diajukan untuk melengkapi tugas mata kuliah praktikum scm "“forecasting,agregat planning,dan...
TRANSCRIPT
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
1/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 1
LAPORAN PRAKTIKUM
SUPPLAY CHAIN MANAGEMENTForecasting,Agregat Planning,dan Material
Regruitment Planning
Diajukan untuk Melengkapi Tugas Mata Kuliah
Praktikum SCM
Pada Program Studi Teknik Industri
Disusun Oleh :
Kelompok VII
Rudini mulya (41610010035)
Herlian Saputra (41610010037)
M.kasroniyanto (41610010009)
Eza Efriza (41610010007)
Paulus Fortunake Fake (41610010004)
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANAJAKARTA
2012
Diperiksa dan disetujui oleh :
Asisten Praktikum
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
2/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 2
BAB I
PENDAHULUAN
1.1 Latar BelakangPeramalan merupakan bagian awaldari suatu proses pengambilan suatu
keputusan.. Dalam kegiatanproduksi, peramalan dilakukan untuk menentukan
jumlahpermintaan terhadapsuatuprodukdanmerupakan langkahawaldari
prosesperencanaan danpengendalian produksi Dengan mempelajari teknik peramalan
diharapakan dapat berguna untuk penerapan di perusahaan produsen dan menjadi
acuan untuk menjalankan suatu system di perusahaan dalam produksinya untuk
dipasarkan di masyarakat umum. Dalam kesempatan kali ini praktikum mengambil
kasus sebuah perusahaan Tamiya CarCorp. yang sedang mengalami kesulitan
dalam merencanakan produksinya guna memenuhi permintaan konsumen.
Permintaan Tamiya Car Corp. berbeda beda untuk masing masing daerah. Distributor
telah memberikan laporan kepada perusahaan untuk pengadaan Tamiya Car harus
dapat tersedia mulai periode Januari 2012.
1.2 Tujuan PraktikumMelalui praktikum mata kuliah Supply Chain Management ini diharapkan pada
akhirnya kami mampu untuk memahami prosedur proses perencanaan produksi melalui
berbagai macam jenis peramalan permintaan yang ada serta dapat
mengimplementasinya secara nyata di dunia kerja nanti.
1.3 Alat dan BahanBerikut adalah alat alat yang digunakan dalam Praktikum Sistem Produksi :
1. Alat Tulis
2. Software Ms. Excel
3. Komputer
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
3/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 3
1.4 Pelaksanaan PraktikumPraktikum Sistem Produksi untuk mahasiswa Jurusan Teknik Industri Universitas
Mercu Buana dilaksanakan pada :
Waktu : Jumat, 2 Desember 2011Rutinitas : 1x Pertemuan
Tempat : Lab. Computer D-208 (Universitas Mercu Buana)
1.5 Sistematika LaporanLaporan yang berkaitan dengan Perencanaan Produksi pelanggan ini, akan
dibagi menjadi empat bab utama. Melalui pembagian ini diharapkanakan dapat
memudahkan pembaca untuk pemahaman lebih lanjut secara sistematis. Keempatbab
tersebut akan diperinci sebagai berikut:
BAB I : PENDAHULUAN
Pada bab pertama ini akan dibahas mengenai latar belakang dari
dilakukannya pembahasan terhadaptopik mengenai praktikum
Supply Chain Management. Kemudian dibahas pula mengenai tujuan
dilakukannya penyusunan terhadap laporan dengan topik terkait.
Serta penambahan sub bab sistematika pembahasan.
BAB II : LANDASAN TEORI
Kemudian pada bab kedua akan mulai dilakukan pembahasan
mengenai topik tekait Perencanaan Produksi.Materi pembahasan akan
mengacu pada pokok permasalahan yang telah dberikan.
BAB III : PENGOLAHAN DATA
Pada babketiga dalam makalah ini, penyusun akan melakukan
pengolahan data sehubungan dengan permasalahan yang telah
diberikan sebelumnya.
BAB IV : KESIMPULAN DAN SARAN
Pada babterakhir dalam makalah ini, penyusun akan menarik
kesimpulan dari penyusunan data mengenai hal hal terkait analisa
Perancangan Produks yang telah dipaparkan pada bab sebelumnya
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
4/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 4
BAB II
LANDASAN TEORI
Peramalan merupakan bagian awaldari suatu proses pengambilan suatu
keputusan.Sebelum melakukanperamalan harus diketahui terlebih
dahuluapasebenarnyapersoalandalampengambilankeputusanitu.Peramalanadalahpe
mikiranterhadapsuatubesaran,misalnya permintaan terhadap satu atau beberapa
produkpada periode yang akan datang. Pada hakekatnya peramalan hanya
merupakan suatu perkiraan(guess), tetapidenganmenggunakan teknik-teknik
tertentu, makaperamalan menjadi lebihsekedar perkiraan. Peramalan
dapatdikatakan perkiraan yang ilmiah (educated guess). Setiap
pengambilankeputusan yang menyangkut
keadaandimasayangakandatang,makapastiada peramalanyangmelandasi
pengambilankeputusantersebut(SofyanAssauri,1984,hal.1).
Dalam kegiatanproduksi, peramalan dilakukan untuk menentukan
jumlahpermintaan terhadapsuatuprodukdanmerupakan langkahawaldari
prosesperencanaan danpengendalian produksi. Dalamperamalan
ditetapkanjenisproduk apa yangdiperlukan (what), jumlahnya (howmany),
dankapan dibutuhkan (when).Tujuanperamalan dalamkegiatanproduksiadalahuntuk
meredamketidakpastian, sehingga diperoleh suatuperkiraan yangmendekati
keadaanyangsebenarnya.
Suatuperusahaanbiasanyamenggunakan prosedurtiga
tahapuntuksampaipadaperamalanpenjualan,yaitudiawalidengan
melakukanperamalan lingkungan, diikuti dengan peramalan penjualan
industri,dandiakhiridenganperamalanpenjualanperusahaan.Peramalan
lingkungan dilakukanuntuk meramalkaninflasi,pengangguran,
tingkatsukubunga,kecenderungan konsumsi danmenabung, ikliminvestasi, belanja
pemerintah, ekspor, danberbagai ukuranlingkungan yang
pentingbagiperusahaan.HasilakhirnyaadalahproyeksiProdukNasional
Bruto,yangdigunakanbersamaindikatorlingkunganlainnyauntuk
meramalkanpenjualan industri.Kemudian,perusahaanmelakukan peramalan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
5/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 5
penjualandenganasumsitingkatpangsatertentuakantercapai.
Tujuanperamalandilihatdenganwaktu:
1. Jangkapendek(ShortTerm)Menentukan kuantitasdanwaktudariitemdijadikanproduksi. Biasanya
bersifatharianataupunmingguandanditentukanolehLowManagement.
2. JangkaMenengah(MediumTerm)
Menentukan kuantitas dan waktu dari kapasitas produksi.Biasanya
bersifatbulananataupunkuartaldanditentukanolehMiddleManagement.
3. JangkaPanjang(LongTerm)
Merencanakan kuantitas dan waktudari fasilitas produksi. Biasanya
bersifattahunan,5 tahun,10tahun,ataupun20tahun danditentukanoleh
TopManagement.
Peramalanyang baikmempunyaibeberapakriteriayang penting,antara
lainakurasi, biaya,dankemudahan. Penjelasan darikriteria-kriteria tersebut
adalahsebagaiberikut:
1. Akurasi.Akurasi dari suatu hasil peramalandiukur dengan hasil kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramalandikatakan biasbila
peramalantersebutbila terlalutinggiataurendahdibandingkandengan kenyataan
yangsebenarnya terjadi. Hasil peramalandikatakan konsisten bila besarnya
kesalahan peramalan relatif kecil.
Peramalan yangterlalu rendahakan
mengakibatkankekurangapersediaan,sehinggapermintaan
konsumentidakdapatdipenuhisegeraakibatnyaperusahaandimungkinkankehilang
anpelanggandankehilangankeuntunganpenjualan.Peramalan yangterlalu tinggi
akan mengakibatkan terjadinya penumpukan persediaan,sehingga banyak modal
yang terserap siasia. Keakuratandarihasilperamalaniniberperanpentingdalam
menyeimbangkanpersediaanyangideal.
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
6/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 6
2. Biaya.Biayayangdiperlukandalampembuatansuatuperamalanadalahtergantungdarijumlahitem yang diramalkan,lamanyaperiodeperamalan,
danmetodeperamalan yangdipakai.Ketigafactorpemicubiayatersebut
akanmempengaruhiberapabanayakdatayang dibutuhkan,bagaimana
pengolahandatanya(manualataukomputerisasi),bagaimana
penyimpanandatanyadansiapatenagaahliyang diperbantukan.Pemilihan metode
peramalan harus disesuaikandengan dana yang tersedia dan
tingkatakurasiyang ingindidapat,misalnyaitem-itemyangpentingakan diramalkan
dengan metode yang sederhana dan murah. Prinsip ini
merupakanadopsidarihukumPareto(AnalisaABC).
3. KemudahanPenggunaanmetodeperamalanyangsederhana,mudahdibuat,dan mudah
diaplikasikan akanmemberikan keuntungan bagi perusahaan. Adalah percuma
memakaimetode yangcanggih, tetapitidakdapat diaplikasikan
padasistemperusahaan karenaketerbatasandana,sumberdayamanusia,
maupunperalatanteknologi.Dalammembuatperamalanataumenerapkansuatuper
amalanmakaada beberapahalyangharusdipertimbangkanyaitu:
Ramalan pasti mengandung kesalahan, artinya peramal hanyabiasmengurangiketidakpastianyangakan terjadi,tetapitidakdapat
menghilangkanketidakpastiantersebut.
Peramalan seharusnya memberikan informasi tentang beberapaukurankesalahan, artinya karena peramalan pastimengandung kesalahan,
maka adalahpentingbagi peramaluntukmenginformasikanseberapabesar
kesalahanyangmungkinterjadi.
Peramalan jangkapendek lebih akurat dibandingkan peramalan jangka
panjang.Hal ini disebabkankarenapadaperamalanjangkapendek,faktor- faktor
yang mempengaruhi permintaan relatif masih konstan sedangkan
masihpanjangperiodeperamalan, makasemakinbesarpulakemungkinan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
7/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 7
terjadinya perubahanfaktor-faktoryangmempengaruhipermintaan.
Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul
akibatpengambilan keputusandalamsuatuperencanaan produksi.Semakin besarupayayang dikeluarkantenturesikoyang dapatdihindarisemakinbesar
pula.Namunupayamemperkecilresikotersebutdibatasioleh biayayang
dikeluarkanakibatmengupayakanhaltersebut..
Faktor-Faktoryangharusdipertimbangkan dalam peramalan :
1. HorizonPeramalanAda dua aspek dari horison waktu yang berhubungan dengan masing masing
metodaperamalanyaitu:
a. Cakupanwaktudimasayangakandating,Untuk mana perbedaan dari metoda peramalanyang
digunakansebaiknyadisesuaikan.
b. Jumlahperiodeuntukmanaramalandiinginkan
Beberapa teknikdanmetoda hanya dapatdisuaikan untukperamalan
satuatauduaperiodedi muka,sedangkanteknikdanmetodalaindapat
dipergunakanuntukperamalanbeberapaperiodedimasamendatang.
2. TingkatKetelitian
Tingkat ketelitianyang dibutuhkan sangat erat hubungannya dengan
tingkatperincianyang dibutuhkandalamsuatuperamalan.Unukbeberapa
pengambilankeputusanmengharapkanvariasiatau penyimpanganatas
ramalanyangdilakukanantara10persen sampaidengan15persenbagi maksud
maksudyangmerekaharapkan,sedangkanuntukhalataukasus
lainmungkinmenganggap bahwaadanyavariasiataupenyimpangan atas
ramalansebesar5persenadalahcukupberbahaya.
3. KetersediaanData.
Metode yangdipergunakan sangat besar manfaatnya, apabila dikaitkan
dengankeadaanatauinformasiyangadaataudatayangdipunyai.Apabila daridatayang
laludiketahuiadanyapolamusiman,makauntukperamalan satu tahun ke depan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
8/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 8
sebaiknya digunakan metode variasi musim. Sedangkan apabila dari data yang lalu
diketahui adanya pola hubungan antaravariable
variableyangsalingmempengaruhi,makasebaiknya dipergunakanmetodeSebabAkibat
(causal)ataukorelasi(correlation).
4. BentukPolaData.
Dasarutamadarimetodaperamalan adalahanggapan bahwamacamdari pola yang
didapati didalam data yang diramalkan akan berkelanjutan. Sebagai contoh,
beberapa deret yang melukiskan sutau pola musiman,
demikianpulahalnyadengansuatupolatrend. Metodaperamalanyang lain mungkin
lebih sederhana, terdiri dari suatu nilai rata rata, dengan fluktuasi
yangacakanataurandomyangterkandung. Olehkarenaadanya perbedaankemampuan
metodaperamalan untukmengidentifikasikan polapoladata,maka perluadanya
usahapenyesuaian antarapoladatayangtelahdiperkirakan terlebih dahulu dengan
teknik danmetoda peramalan yangakandigunakan.
5. Biaya.
Umumnyaadaempatunsurbiayayangtercakupdalampenggunaan suatuprosedur
ramalan, yaitu biaya biaya pengembangan, penyimpanan (storage)
data,operasipelaksanaan dankesempatan penggunaan teknik teknik danmetoda
lainnya. Adanya perbedaan yangnyata dalam jumlah biaya, mempunyai pengaruh
atas dapat menarik tidaknya penggunaan
metodetertentuuntuksutaukeadaanyangdihadapi.
6. Jenisdarimodel
Sebagaitambahanperludiperhatikan anggapanbeberapapoladasaryang
pentingdalamdata.Banyakmetodaperamalan telahmenganggap adanya beberapa
model dari keadaan yang diramalkan . Model model ini
merupakansuatuderatdimanawaktudigambarkan sebagaiunsurpenting untuk
menentukan perubahan perubahan dalam pola, yang mungkin secara sistematik
dapat dijelaskan dengan analisis regresi atau korelasi. Modelyang lain
adalahmodelsebabakibatataucausalmodel,yang menggambarkan bahwa ramalan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
9/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 9
yangdilakukan sangat tergantung pada
terjadinyasejumlahperistiwayanglain,atausifatnyamerupakan campurandarimodel
modelyangtelahdisebutkandiatas.Model model tersebut sangat penting
diperhatikan, karena masing masing model tersebut mempunyai kemampuanyang berbeda neda dalam analisis keadaanuntukpengambilankeputusan.
7. Mudahtidaknyapenggunaandan aplikasinya
Satu prinsipumum dalam penggunaan metoda ilmiah dari peramalan
untukmenagementdan analisisadalahmetoda metodayangdapat
dimengertidanmudahdiaplikasikanyangakan dipergunakandalam pengambilan
keputusan adan analisa. Prinsip inididasarkan padaalasan bahwa, bila seorang
manajer atau analisis bertanggung jawab atas keputusan yang diambilnya atau
hasil analisa yang dilakukan, maka ia sudahtentutidakmenggunakan
dasaryangtidakdiketahuinya
atautidakdiyakininya.Jadi,sebagaiciritambahandariteknikdan metodaperamalan
adalahbahwayangdiperlukan untukmemenuhi kebutuhan darikeadaan ialah
teknikdanmetodaperamalanyang dapatdisesuaikandengan kemampuan darimanager
atauanalisis yangakanmenggunakan metoda ramalantersebut.Pada umumnya
peramalan dapatdibedakandaribeberapa segi tergantung daricara melihatnya.
Apabila dilihatdari sifat penyusunannya,
makaperamalandapatdibedakanatasduamacam,yaitu:
1. DilihatdariSifatPenyusunannya
a. Peramalan yangsubjektif,yaitu peramalan yang didasarkan atas
perasaanatauintuisidari orangyangmenyusunnya.Dalamhalini
pandanganorangyang menyusunnyasangatmenentukanbaiktidaknya
hasilramalantersebut.
b. Peramalanyangobjektif,yaituperamalan yang didasarkan atasdatayang relevan
pada masa lalu, dengan menggunakan teknik teknik danmetodemetode
dalampenganalisaannya.
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
10/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 10
2. DilihatdariJangkaWaktuRamalanyangDisusun
a.Peramalan jangkapendek,yaituperamalan yangdilakukan untukpenyusunan
hasil ramalan yang jangka waktunya satu tahun atau kurang. Peramalaninidigunakan untuk mengambil keputusan dalam halperlutidaknya
lembur,penjadwalan kerja,danlain-lain keputusan kontroljangkapendek.
b. Peramalanjangkamenengah,yaitu peramalan yang dilakukan untukpenyusunan
hasil ramalan yang jangka waktunya satu hingga lima tahunke
depanPeramalaninilebihmengkhususkandibandingkan peramalan jangka
panjang, biasanya digunakan untuk menentukan
alirankas,perencanaanproduksi,danpenentuananggaran.
c. Peramalanjangka panjang, yaitu peramalan yang dilakukan
untukpenyusunanhasilramalanyang jangkawaktunyalebihdarilima tahun
yang akandatang.Peramalanjangkapanjangdigunakanuntuk
pengambilankeputusanmengenaiperencanaanprodukdanperencanaan
pasar,pengeluaranbiayaperusahaan,studi kelayakanpabrik,anggaran,
purchase order,perencanaan tenagakerjasertaperencanaan kapasitas kerja.
3. Berdasarkan SifatRamalan Yang Telah Disusun
a. PeramalanKualitatif, Yaituperamalanyang didasarkanatas
kwalitatifpadamasalalu.Hasil
peramalanyangdibuatsangattergantungpadaorangyang menyusunnya.
Halinipentingkarenahasilperamalantersebut
ditentukanberdasarkanpemikiranyang bersifatintuisi,judgementatau
pendapat, dan pengetahuan serta pengalaman dari
penyusunnya.Biasanyaperamalansecarakwalitatifinididasarkanatashasil
penyelidikan, seperti Delphi,S curve, analogies danpenelitian bentuk
ataumorphological research ataudidasarkan atasciricirinormative
sepertidecisionmatricesataudecisionstrees.
b. PeramalanKuantitatif, Yaituperamalanyang didasarkanatasdatakuntitatifpadamasalalu. Hasilperamalanyang dibuatsangattergantungpada
metodayang dipergunakan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
11/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 11
dalamperamalantersebut.Denganmetodayangberbeda
akandiperolehhasilperamalanyangberbeda,adapunyang perlu
diperhatikandari penggunaanmetodatersebut,adalahbaik tidaknya
metodayangdipergunakan,sangatditentukanoleh perbedaanataupenyimpanganantarahasilramalandengankenyataanyang terjadi. Metoda yang
baikadalah metoda yang memberikan nilai nilai perbedaan atau
penyimpangan yang mungkin.
Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi,
emosi,pendidikan, danpengalaman seseorang. Olehkarena itu,hasil peramalan
darisatuorangdenganorangyanglaindapatberbeda. Meskipun
demikian,peramalandenganmetodekualitatiftidakberartihanya menggunakan intuisi,
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
12/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 12
tetapi juga bisa mengikutsertakan model model
statistiksebagaibahanmasukandalam melakukanjudgement(keputusan),dan
dapatdilakukansecaraperseoranganmaupunkelompok.Beberapametodeperamalan
yangdigolongkansebagaimodelkualitatifadalahsebagaiberikut:1. MetodeDelphi,Sekelompokpakarmengisikuesioner,Moderatormenyimpulkan
hasilnya danmemformulasikanmenjadi suatu kuesioner baruyangdiisikembali
olehkelompok tersebut, demikian seterusnya. Hal
inimerupakanprosespembelajaran(learningprocess)darikelompoktanpa
adanyatekanan atau intimidasi individu. Metode ini dikembangkan
pertamakaliolehRandCorporationpadatahun1950 an.Adapuntahapan
yangdilakukanadalah:
Tentukan beberapa pakar sebagai partisipan. Sebaiknya
bervariasidenganlatarbelakangdisiplinilmuyangberbeda.
Melalui kuesioner(atau email ),diperoleh peramalan dari seluruh
partisipan.
Simpulkan hasilnya, kemudian distribusikan kembali kepada seluruh
partisipandenanpertanyaanyangbaru.
Simpulkankembalirevisi
peramalandankondisi,kemudiandikembangkandenganp
ertanyaanyangbaru.
Apabiladiperlukan, ulangitahap4.Seluruhhasilakhirdidistribusikan
kepadaseluruhpartisipan.
2. Dugaan manajemen( management estimate ) atau Panel Consensus,dimana peramalansemata-mataberdasarkanpertimbanganmanajemen,
umumnyaolehmanajemensenior.Metodeiniakan cocokdalamsituasiyang
sangatsensitifterhadapintuisidarisuatuatau sekelompokkecilorangyang
karenapengalamannya mampumemberikan opiniyangkritisdanrelevan.
Teknikakandipergunakan dalamsituasidimanatidakadasituasidimana
tidakadalaternatiflain darimodelperamalanyangdapatditerapkan.
Bagaimanapunmetodeini mempunyaibanyakketerbatasan,sehinggaperlu
dikombinasikandenganmetodeperamalanyanglain.
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
13/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 13
3. RisetPasar(marketresearch),merupakanmetodeperamalan berdasarkanhasil hasil darisurveipasaryangdilakukanolehtenaga-tenagapemasar
produkatauyangmewakilinya. Metodeiniakanmenjaring informasidari
plangganataupelangganpotenbsial (konsumen)
berkaitandenganrencanapembelian mereka dimasa mendatang. Riset
pasar tidak hanya akan membantuperamalan,
tetapijugauntukmeningkatkan desainprodukdan perencanaanuntukproduk-
produkbaru.
4. Metodekelompokterstruktur(structuredgroupmethods),sepertimetodeDelphi, dan lain lain. Metode Delphi merupakan teknik peramalan
berdasarkan padaproses konvergensi dariopini beberapa orangatauahli
secarainteraktiftanpamenyebutkan identitasnya. Grupinitidakbertemu
secarabersamadalam suatuforumuntukberdiskusi,tetapimerekadiminta
pendapatnyasecaraterpisahdantidak bolehsecaraberunding.Halini dilakukan
untuk menghindari pendapat yang bias karena pengaruh kelompok.
Pendapat yang berbeda secara signifikan dari ahli yang lain dalam grup
tersebut akan dinyatakan lagi kepada yang bersangkutan, sehingga akhirnya
diperoleh angka estimasi pada interval tertentu yang
dapatditerima.MetodeDelphiinidipakaidalam peramalanteknologiyang
sudahdigunakanpadapengoperasian jangkapanjangselainitu,metodeini juga
bermanfaat dalam pengembangan produk baru, pengembangan kapasitas
produksi, penerobosan ke segmen pasar baru dan strategi
keputusanbisnislainnya.
5. Analogihistoris(HistoricalAnalogy),merupakanteknik peramalanberdasarkanpoladatamasalalu dariproduk-
produkyangdapatdisamakan secara Analogi. Misalnya peramalan untuk
pengembangan pasar televisi multi sistem menggunakan model permintaan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
14/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 14
televisi hitam putih atau televisi berwarna biasa. Analogi historiscenderung akan
menjadi terbaik untuk penggantian produk di pasar dan apabila terdapat
hubungan substitusilangsungdariprodukdalampasaritu.
Metode PeramalanKuantitatif(StatisticalMethod)
Padadasarnya metodaperamalan kuantitatif inidapatdibedakanatas
duabagian,yaitu:
1. Metodaperamalanyangdidasarkanatas penggunaananalisapolahubungan
antaravariabelyangakandiperkirakandenganvariabelwaktu,yang
merupakanderetwaktuatautimeseries.
2. Metodaperamalanyangdidasarkanatas penggunaananalisapolahubungan
antaravariabelyangakan diperkirakandenganvariabellainyang
mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau
sebabakibat(causalmethod).
Prosedur umumyang digunakan dalam peramalan secara kuantitatif adalah:
1. Definisikantujuanperamalan.
2. Pembuatandiagrampencar.
3. Pilihminimalduametodeperamalanyangdianggapsesuai.
4. Hitungparameterparameter fungsiperamalan.
5. Hitungkesalahansetiapmetodeperamalan.
6. Pilihmetodeyangterbaik,yaituyangmemilikikesalahanterkecil.
7. Lakukanverifikasiperamalan.
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
15/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 15
Metodetimeseriesadalahmetodeyang dipergunakanuntuk
menganalisisserangkaiandatayangmerupakanfungsi dari waktu.Metodeinimengasumsikan beberapapolaataukombinasipolaselaluberulangsepanjang waktu,
dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data
historisdariserialitu.
Dengananalisisderetwaktudapatditunjukkan bagaimanapermintaan
terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari
perubahan permintaandari tahun ketahundirumuskan untuk meramalkan
penjualanpadamasayangakandatang.
Adaempatkomponenutamayangmempengaruhianalisisini,yaitu:
Penjualan produk dapat memilikisiklus yang berulang secara
periodik.Banyakprodukdipengaruhipola pergerakanaktivitas ekonomi
yang terkadang memiliki kecenderungan
periodic.Komponensiklisini sangatbergunadalam
peramalanjangka menengah.
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
16/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 16
Pola dataini terjadi biladata memiliki kecendrungan untuk naik
atauturunterus-menerus.Poladatadalam bentuktrendini
digamBbiaayrakansebagaiberikut:
Waktu
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
17/96
November
27, 2012
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 17
Perkataan musimmenggambarkan pola penjualan yang berulang
setiapperiode.Komponen musimdapatdijabarkan kedalamfaktor cuaca,
libur, atau kecenderungan perdagangan. Pola musiman
bergunadalammeramalkanpenjualandalamjangkapendek.
Poladatainiterjadibilanilaidatasangatdipengaruhi olehmusim,
misalnya permintaan bahan baku jagung untuk makanan ternak
ayampadapabrikpakanternakselamasatutahun.Selamamusim
panenhargajagungakanmenjaditurunkarenajumlahjagungyang
dibutuhkantersediadalamjumlahyangbesar.
Poladatamusimandapatdigambarkansebagaiberikut:
Biaya
Waktu
Poladatainiterjadiapabilanilaidataberfluktuasidisekitarnilai rata-
rata. Pola inidapat digambarkan sebagai berikut (Sofyan
Assauri,1984,hal.4647):
Biaya
Waktu
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
18/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 110
Poladatainiterjadibiladatamemilikikecenderungan untuknaik atau
turunterusmenerus.Poladatadalambentuktrendinidapat
digambarkansebagaiberikut:
Biaya
Waktu
Dalam meramalkanbiaya-biaya yang termasuk didalam biaya
operasi dipergunakan Pola Trend karena biaya tersebut
cenderung naikjikamesin/peralatan semakintuaatausemakin
lamajangkawaktupemakaiannya.Ada beberapatrendyang
digunakandidalampenyelesaianmasalahini,yaitu:
Bentukpersamaanumum(SofyanAssauri,1984,hal.5356):Y=a
+bt
Sedangkanperamalannyamempunyaibentukpersamaan:
Yt=a+ bt
dimana:
Yt= Nilairamalanpadaperiodeke-t t =
Waktu/periode
Denganmenggunakan metodekuadratterkecil(LeastSquare
Method) maka harga konstanta a dan b diperoleh dari
persamaandibawahini:
bntYttYtnt2t2
aYt bt n
Bentukpersamaanumum:
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
19/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 111
Y=aebt
Sedangkanperamalannyamempunyaibentukpersamaan:
Yt=aebt
Dengan menggunakantransformasi logaritma natural maka
hargakonstantaadanbdiperolehdaripersamaan dibawah ini:
bntln YttlnYt
nt2t2
lnalnYt bt n
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
20/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 112
Y=a +blogt
Sedangkanperamalannyamempunyaibentukpersamaan:
Yt=a+ blogt
Dengan menggunakantransformasi logaritma natural maka
hargakonstantaadanbdiperolehdaripersamaan dibawah
ini:
bnlogt.YtlogtYt
nlog2tlogt2
aYt blogt n
Bentukpersamaanumumnyaadalah:
Y=atb
Sedangkanperamalannyamempunyaibentukpersamaan:
Yt=atb
Dengan menggunakantransformasi logaritma maka harga
konstantaadanbdiperolehdaripersamaandi bawahini:
bnlogt.logYtlogtlogYt
nlog2tlogt2
logalogY
tb
logt n
Bentukpersamaanumumnyaadalah:
Ya
bt
Peramalannyamempunyaibentukpersamaan:
Y a
tb
t
Dengan menggunakantransformasi logaritma maka harga
konstantaadanbdiperolehdaripersamaandi bawahini:
logbnt.logYttlogYt
t2nt2
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
21/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 113
logalogYt logbt n
Adapun metodeperamalan yang termasuk model time series adalah sebagai
berikut:
Metode smoothing digunakan untuk mengurangi ketidakteraturan
musimandari datayanglalu,denganmembuatrata rata tertimbangdari
sederetan datamasalalu.Ketepatan peramalan dengan metode iniakan
terdapat pada peramalan jangka pendek, sedangkan untuk peramalan
jangkapanjangkurangakurat.
Metodesmoothingterdiridaribeberapajenis,antaralain:
,terdiriatas:
-
Moving averagepada suatu periode merupakan peramalan untuk
satuperiodekedepandariperioderatarata tersebut. Persoalan yang
timbul dalam penggunaan metode ini adalah dalam
menentukan nilait(periodeperatarataan).Semakinbesarnilait
makaperamalanyangdihasilkanakansemakinmenjauhipoladata.
Secaramatematis,rumusfungsiperamalanmetodeiniadalah:
F
t1
XtN1...Xt1Xt
N
dimana:
XI = datapengamatanperiodei
N = jumlahderetwaktuyangdigunakan
Ft+1= nilaiperamalanperiodet+1
-
Dasar darimetode ini adalah penggunaan moving average kedua
untukmemperolehpenyesuaianbentukpola trend.MetodeLiniermovingAverageadalah:
a) Hitung single moving average dari data dengan periode
perata-rataantertentu; hasilnyadinotasikandenganSt.
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
22/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 114
b) SetelahsemuasingleAveragedihitung, hitungmovingaverage kedua
yaitu moving average dari St dengan periode perata-
rataanyangsama.Hasilnyadinotasikandengan:St
c) Hitungkomponenatdenganrumus:
At=St+(StSt)
d) Hitungkomponentrendbtdenganrumus:
bt=
2
N1(St 'St '')
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
23/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 115
e) Peramalan untuk periodekedepan setelah t adalah sebagai berikut:
Ft+m=at+bt.m
-
NotasiyangdiberikanadalahMA(MxN),artinyaMperiodeMA
danNperiodeMA.
-
Data padaperiodetertentudiberibobot,semakin dekat dengansaat
sekarangsemakinbesar bobotnya.Bobot ditentukanberdasarkan
pengalaman.Rumusnyaadalahsebagaiberikut:
Ftw
1A
t1w2At2 ...wnAtndimana:
w1 =bobotyangdiberikanpadaperiodet 1 w2=bobotyangdiberikanpadaperiodet 2 wn=bobotyangdiberikanpadaperiodetn n =jumlahperiode
-
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
yangterjadipadaperiodettersebut.Nilaiperamalandapatdicaridenganmenggunakanrumusberikut:
Ft+1=.Xt+(1-).Ftdimana:
Xt = datapermintaanpadaperiodet = faktor/konstantapemulusanFt+1= peramalanuntukperiodet
Metode kecenderungan dengan regresi merupakan dasar garis
kecenderunganuntuk suatupersamaan,sehinggadengandasarpersamaantersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan
datang. Untuk peramalan jangka pendek dan jangka panjang, ketepatan
peramalan dengan metode ini sangat baik. Data yang
dibutuhkan untuk metode ini adalah tahunan, minimal limatahun.
Namun, semakin banyak data yang dimiliki semakin baik hasil yang
diperoleh.
Bentukfungsidarimetodeinidapatberupa:
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
24/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 116
denganfungsiperamalan(Yt):
Yt=a,dimana a=YI/N
Yt=nilaitambah
N=jumlahperiode
denganfungsiperamalan:
Yt=a+bt
Ybt
dimana: a= n
nty(t )(y)
b= nt2t2
denganfungsiperamalan:
Yt=a+bt+ct2
dimana:
Ybtct2a
n
(t2)2nt4
cb
b
2
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
25/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 117
tYntY
t2Ynt2Y
tt2nt3
denganfungsiperamalan:
Yt=aebt
dimana:
lnalnYbtn b
ntlnYtlnYnt2(t)2
denganfungsiperamalan:
absin2
ccos2t
Yt n n
dimana:
Ynabsin2t
ccos2t
n n
Ysin2t
asin2t
bsin22t
csin2t
cos2t
n n n n n
Ycos2t
acos2t
ccos22t
bsin2t
cos2t
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
26/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 118
N
n nSeorang perencana tentu menginginkan hasil perkiraan ramalan yang
tepatataupaling tidakdapat memberikan gambaran yangpaling mendekati
sehinggarencanayang dibuatnyamerupakanrencanayang realistis.Ketepatan atau
ketelitian inilah yang menjadi kriteria performance suatu metodeperamalan.Ketepatan atau ketelitian tersebut dapat dinyatakan sebagai
kesalahandalamperamalan.Kesalahanyangkecilmemberikan artiketelitian
peramalan yangtinggi, dengan kata lainkeakuratan hasil peramalan tinggi,
begitupulasebaliknya.
Besarkesalahansuatuperamalandapat dihitungdenganbeberapacara,
antaralainadalah:
X2
Ft t
MSEt1
dimana:N
Xt =dataaktualperiodet
Ft =nilairamalanperiodet
N=banyaknyaperiode
NX F2SEE t1
t t
Nf
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
27/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 119
t
S
dimana:
f= Derajatkebebasan
UntukdataKonstan,f=1
UntukdataLinier, f=2
UntukdataKwadratis,f=3
UntukdataSiklis,f=3
XFPEt t100%
t X
dimananilaidariPEtbisapositipataupunnegatip.
N PEt
t1MAPE
N
Menghitungkesalahandari peramalanmerupakanproseduryangkelima dari
perhitungan peramalan secara kuantitatif. Setelah didapat kesalahan
(error)darimasing-masing metodeperamalan,makaakandilakukanpengujian
terhadap duametode yangmemiliki error yangterkecil, gunamendapatkan metode
peramalan yang lebih baik untuk digunakan. Pengujian dilakukan
dengantestdistribusi F.Jikadiasumsikan bahwametodeXadalahmetode
peramalanyangmemilikibesarerroryangpalingkecilpertama,dan metodeY
adalahmetodeperamalan yangmemiliki besarerroryangpalingkecilkedua, maka
langkah-langkahnya pengujiannyaadalahsebagaiberikut:
H0: MetodeXlebihbaikdaripadametodeY
H1: Metode X tidak lebih baikdaripada metode Y, atau metode Y
lebihbaikdaripadametodeX.
S2
F 12
dimana: 2
S1 = besarnyaerrormetodeperamalanX S2 =
besarnyaerrormetodeperamalanY
n n n
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
28/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 120
BAB III
PENGOLAHAN DATA
Sebuah perusahaan pembuat mobil mainan, Tamiya Car Corp. menghadapi
kesulitan di dalam merencanakan produksinya guna memenuhi permintaan konsumen.
Permintaan mobil mainan ini berbeda- beda untuk masing masing daerah. Distributor
telah memberikan laporan kepada perusahaan untuk pengadaan agar harus dapat
tersedia mulai periode Januari 2012. Berikut data permintaan yang telah diberikan :
Pertanyaan :
Tentukan peramalan yang paling mendekati demand yang telah tersedia
sebelumnya untuk Tamiya Car Corp.
Month Demand
January 13125February 14115
March 15095
April 14900
May 14250
June 13125
July 12950
August 13950
September 15025
October 14890
November 13955
December 12895
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
29/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 121
Jawab :
a. Dengan menggunakan metode Linier dengan y = 34.909x + 13916
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13951 -826 826 682126 -6 6
Feb 2 14115 13986 129 129 16688 1 1
Mar 3 15095 14021 1074 1074 1154062 7 7
Apr 4 14900 14056 844 844 712951 6 6
May 5 14250 14091 159 159 25426 1 1
Jun 6 13125 14125 -1000 1000 1000908 -8 8
Jul 7 12950 14160 -1210 1210 1464979 -9 9
Aug 8 13950 14195 -245 245 60158 -2 2
Sep 9 15025 14230 795 795 631737 5 5
Oct 10 14890 14265 625 625 390513 4 4
Nov 11 1395514300 -345 345 119024 -2 2
Dec 12 12895 14335 -1440 1440 2073335 -11 11
TOTAL : 78 168275.00 169714.90 -1439.90 8693.91 8331906.87 -14.35 62.96
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Linier
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
30/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 122
Grafik Hasil Peramalan Dengan Menggunakan Metode Linier
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13951 13986 14021 14056 14091 14125 14160 14195 14230 14265 14300 14335
13700
13800
13900
14000
14100
14200
14300
14400
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE LINIER Y = 34.909x + 13916
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
31/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 123
b. Dengan menggunakan metode Kuadratik
2 Order : y = 1.1189x2 + 21.483x + 13945
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13968 -843 843 709978 -6 6
Feb 2 14115 13992 123 123 15021 1 1
Mar 3 15095 14020 1075 1075 1156659 7 7
Apr 4 14900 14049 851 851 724483 6 6
May 5 14250 14080 170 170 28768 1 1
Jun 6 13125 14114 -989 989 978474 -8 8
Jul 7 12950 14150 -1200 1200 1440497 -9 9
Aug 8 13950 14188 -238 238 56870 -2 2
Sep 9 15025 14229 796 796 633651 5 5
Oct 10 14890 14272 618 618 382270 4 4
Nov 11 13955 14317 -362 362 130827 -3 3
Dec 12 12895 14364 -1469 1469 2157719 -11 11
TOTAL : 78 168275.0 169743.0 -1468.0 8734.2 8415216.7 -14.6 63.3
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Kuadratik 2 Order
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
32/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 124
Grafik Hasil Peramalan Dengan Menggunakan Metode Kuadratik 2 Order
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13968 13992 14020 14049 14080 14114 14150 14188 14229 14272 14317 14364
13700
13800
13900
14000
14100
14200
14300
14400
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE KUADRATIK (2 ORDER)
Y = 1.1189x2 + 21.483x + 13945
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
33/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 125
5 Order : y = -1.7772x5 + 43.536x4 - 336.76x3 + 742.45x2 + 844.53x + 11752
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13044 81 81 6564 1 1
Feb 2 14115 14356 -241 241 58315 -2 2
Mar 3 15095 14970 125 125 15706 1 1
Apr 4 14900 14782 118 118 13914 1 1
May 5 14250 14097 153 153 23363 1 1
Jun 6 13125 13410 -285 285 81435 -2 2
Jul 7 12950 13196 -246 246 60327 -2 2
Aug 8 13950 13692 258 258 66519 2 2
Sep 9 15025 14691 334 334 111561 2 2
Oct 10 14890 15322 -432 432 186883 -3 3
Nov 11 13955 13841 114 114 12892 1 1
Dec 12 12895 7416 5479 5479 30017846 42 42
TOTAL : 78 168275.00 162818.30 5456.70 7866.24 30655325.44 42.00 59.37
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Kuadratik 5 Order
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
34/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 126
Grafik Hasil Peramalan Dengan Menggunakan Metode Kuadratik 5 Order
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13144 14037 15162 15020 14012 13134 13099 13904 14842 14943 13858 13184
12000
12500
13000
13500
14000
14500
15000
15500
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE KUADRATIK (6 ORDER)
Y = 0.6098x6 - 23.73x5 + 349.82x4 - 2419x3 + 7836.4x2 - 10233x + 17633
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
35/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 127
6 Order : y = 0.6098x6 - 23.73x5 + 349.82x4 - 2419x3 + 7836.4x2 - 10233x + 17633
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13144 -19 19 365 0 0
Feb 2 14115 14037 78 78 6024 1 1
Mar 3 15095 15162 -67 67 4512 0 0
Apr 4 14900 15020 -120 120 14290 -1 1
May 5 14250 14012 238 238 56466 2 2
Jun 6 13125 13134 -9 9 90 0 0
Jul 7 12950 13099 -149 149 22103 -1 1
Aug 8 13950 13904 46 46 2108 0 0
Sep 9 15025 14842 183 183 33353 1 1
Oct 10 14890 14943 -53 53 2809 0 0
Nov 11 13955 13858 97 97 9470 1 1
Dec 12 12895 13184 -289 289 83407 -2 2
TOTAL : 78 168275.00 168339.67 -64.67 1346.84 234995.68 -0.75 8.49
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Kuadratik 6 Order
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
36/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 128
Grafik Hasil Peramalan Dengan Menggunakan Metode Kuadratik 6 Order
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13144 14037 15162 15020 14012 13134 13099 13904 14842 14943 13858 13184
12000
12500
13000
13500
14000
14500
15000
15500
TingkatPerm
intaan
GRAFIK HASIL PERAMALAN DENGAN METODE KUADRATIK (6 ORDER)
Y = 0.6098x6 - 23.73x5 + 349.82x4 - 2419x3 + 7836.4x2 - 10233x + 17633
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
37/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 129
c. Dengan menggunakan metode Logaritma dengan y = 218.94ln(x) + 13777
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13777 -652 652 425104 -5 5
Feb 2 14115 13929 186 186 34686 1 1
Mar 3 15095 14018 1077 1077 1160941 7 7
Apr 4 14900 14081 819 819 671555 5 5
May 5 14250 14129 121 121 14552 1 1
Jun 6 13125 14169 -1044 1044 1090537 -8 8
Jul 7 12950 14203 -1253 1253 1570103 -10 10
Aug 8 13950 14232 -282 282 79678 -2 2
Sep 9 15025 14258 767 767 588196 5 5
Oct 10 14890 14281 609 609 370725 4 4
Nov 11 13955 14302 -347 347 120406 -2 2
Dec 12 12895 14321 -1426 1426 2033606 -11 11
TOTAL : 78 168275.00 169700.00 -1425.00 8584.28 8160089.24 -14.17 62.17
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Logaritma
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
38/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 130
Grafik Hasil Peramalan Dengan Menggunakan Metode Logaritma
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13777 13929 14018 14081 14129 14169 14203 14232 14258 14281 14302 14321
13500
13600
13700
13800
13900
14000
14100
14200
14300
14400
TingkatP
ermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE LOGARITMALy = 218.94ln(x) + 13777
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
39/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 131
d. Dengan menggunakan metode Power dengan y = 13755x0.0158
BULAN t A FDeviasi Deviasi Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13755 -630 630 396900 -5 5
Feb 2 14115 13906 209 209 43485 1 1
Mar 3 15095 13996 1099 1099 1208143 7 7
Apr 4 14900 14060 840 840 706262 6 6
May 5 14250 14109 141 141 19807 1 1
Jun 6 13125 14150 -1025 1025 1050555 -8 8
Jul 7 12950 14184 -1234 1234 1523919 -10 10
Aug 8 13950 14214 -264 264 69923 -2 2
Sep 9 15025 14241 784 784 614803 5 5
Oct 10 14890 14265 625 625 391084 4 4
Nov 11 13955 14286 -331 331 109647 -2 2
Dec 12 12895 14306 -1411 1411 1990311 -11 11
TOTAL : 78 168275.00 169472.50 -1197.50 8594.06 8124838.61 -12.55 62.16
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Power
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
40/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 132
Grafik Hasil Peramalan Dengan Menggunakan Metode Power
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13755 13906 13996 14060 14109 14150 14184 14214 14241 14265 14286 14306
13400
13500
13600
13700
13800
13900
14000
14100
14200
14300
14400
TingkatPermintaan
GRAFIK METODE PERAMALAN DENGAN METODE POWER Y = 13755x0.0158
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
41/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 133
e. Dengan menggunakan metode Eksponensial dengan y = 13892e0.0025x
BULAN t A FDeviasi Deviasi Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 13927 -802 802 642835 -6 6
Feb 2 14115 13962 153 153 23523 1 1
Mar 3 15095 13997 1098 1098 1206547 7 7
Apr 4 14900 14032 868 868 754114 6 6
May 5 14250 14067 183 183 33591 1 1
Jun 6 13125 14102 -977 977 954390 -7 7
Jul 7 12950 14137 -1187 1187 1409501 -9 9
Aug 8 13950 14173 -223 223 49554 -2 2
Sep 9 15025 14208 817 817 667359 5 5
Oct 10 14890 14244 646 646 417780 4 4
Nov 11 13955 14279 -324 324 105164 -2 2
Dec 12 12895 14315 -1420 1420 2016485 -11 11
TOTAL : 78 168275.00 169441.09 -1166.09 8699.61 8280843.36 -12.40 62.91
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
42/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 134
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial
1 2 3 4 5 6 7 8 9 10 11 12
Forecast Demand 13927 13962 13997 14032 14067 14102 14137 14173 14208 14244 14279 14315
13700
13800
13900
14000
14100
14200
14300
14400
TingkatPermin
taan
GRAFIK HASIL PERAMALAN DENGAN METODE EKSPONENSIAL
Y = 13892e0.0025x
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
43/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 135
f. Dengan menggunakan metode Moving Average
MA 3 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 14112 788 788 621469 5 5
May 5 14250 14703 -453 453 205511 -3 3
Jun 6 13125 14748 -1623 1623 2635211 -12 12
Jul 7 12950 14092 -1142 1142 1303403 -9 9
Aug 8 13950 13442 508 508 258403 4 4
Sep 9 15025 13342 1683 1683 2833611 11 11
Oct 10 14890 13975 915 915 837225 6 6
Nov 11 13955 14622 -667 667 444444 -5 5
Dec 12 12895 14623 -1728 1728 2987136 -13 13
TOTAL : 78 168275.00 127658.33 -1718.33 9508.33 12126413.89 -16.26 68.83
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 3 Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
44/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 136
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 3 - Bulanan
Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 14112 14703 14748 14092 13442 13342 13975 14622 14623
12500
13000
13500
14000
14500
15000
TingkatPerm
intaan
GHASIL PERAMALAN DENGAN METODE MOVING AVERAGE 3-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
45/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 137
MA 4 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 14309 -59 59 3452 0 0
Jun 6 13125 14590 -1465 1465 2146225 -11 11
Jul 7 12950 14343 -1393 1393 1939056 -11 11
Aug 8 13950 13806 144 144 20664 1 1
Sep 9 15025 13569 1456 1456 2120664 10 10
Oct 10 14890 13763 1128 1128 1271256 8 8
Nov 11 13955 14204 -249 249 61877 -2 2
Dec 12 12895 14455 -1560 1560 2433600 -12 12
TOTAL : 78 168275.00 113037.50 -1997.50 7452.50 9996793.75 -17.91 54.50
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 4 - Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
46/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 138
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 4 - Bulanan
May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 14309 14590 14343 13806 13569 13763 14204 14455
13000
13200
13400
13600
13800
14000
14200
14400
14600
14800
TingkatPermin
taan
GRAFIK HASIL PERAMALAN DENGAN METODE MOVING AVERAGE 4-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
47/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 139
MA 5 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 14297 -1172 1172 1373584 -9 9
Jul 7 12950 14297 -1347 1347 1814409 -10 10
Aug 8 13950 14064 -114 114 12996 -1 1
Sep 9 15025 13835 1190 1190 1416100 8 8
Oct 10 14890 13860 1030 1030 1060900 7 7
Nov 11 13955 13988 -33 33 1089 0 0
Dec 12 12895 14154 -1259 1259 1585081 -10 10
TOTAL : 78 168275.00 98495.00 -1705.00 6145.00 7264159.00 -15.31 44.99
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 5 - Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
48/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 140
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 5 - Bulanan
Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 14297 14297 14064 13835 13860 13988 14154
13600
13700
13800
13900
14000
14100
14200
14300
14400
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE
MOVING AVERAGE 5-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
49/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 141
MA 6 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 14102 -1152 1152 1326336 -9 9
Aug 8 13950 14073 -123 123 15006 -1 1
Sep 9 15025 14045 980 980 960400 7 7
Oct 10 14890 14033 857 857 733878 6 6
Nov 11 13955 14032 -77 77 5878 -1 1
Dec 12 12895 13983 -1088 1088 1182656 -8 8
TOTAL : 78 168275.00 84266.67 -601.67 4275.00 4224154.17 -6.48 31.03
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 6 - Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
50/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 142
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 6 - Bulanan
Jul Aug Sep Oct Nov Dec
Forecast Demand 14102 14073 14045 14033 14032 13983
13920
13940
13960
13980
14000
14020
14040
14060
14080
14100
14120
TingkatPerminta
an
GRAFIK HASIL PERAMALAN DENGAN METODE
MOVING AVERAGE 6-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
51/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 143
MA 7 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 - - - - - -
Aug 8 13950 13937 13 13 165 0 0
Sep 9 15025 14055 970 970 940900 6 6
Oct 10 14890 14185 705 705 497025 5 5
Nov 11 13955 14156 -201 201 40286 -1 1
Dec 12 12895 14021 -1126 1126 1267233 -9 9
TOTAL : 78 168275.00 70353.57 361.43 3014.29 2745609.18 1.11 21.27
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 7 - Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
52/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 144
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 7 - Bulanan
Aug Sep Oct Nov Dec
Forecast
Demand13937 14055 14185 14156 14021
13800
13850
13900
13950
14000
14050
14100
14150
14200
14250
TingkatPermintaan
GRAFIK ASIL PERAMALAN DENGAN METODE
MOVING AVERAGE 7-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
53/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 145
MA 8 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 - - - - - -
Aug 8 13950 - - - - - -
Sep 9 15025 13939 1086 1086 1179939 7 7
Oct 10 14890 14176 714 714 509439 5 5
Nov 11 13955 14273 -318 318 101204 -2 2
Dec 12 12895 14131 -1236 1236 1526769 -10 10
TOTAL : 78 168275 56519 246 3354 3317351 0 24
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 8 - Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
54/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 146
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 8 - Bulanan
Sep Oct Nov Dec
Forecast Demand 13939 14176 14273 14131
13700
13800
13900
14000
14100
14200
14300
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE
MOVING AVERAGE 8-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
55/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 147
MA 9 Bulanan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 - - - - - -
Aug 8 13950 - - - - - -
Sep 9 15025 - - - - - -
Oct 10 14890 14059 831 831 689823 6 6
Nov 11 13955 14256 -301 301 90334 -2 2
Dec 12 12895 14238 -1343 1343 1803052 -10 10
TOTAL : 78 168275 42553 -813 2474 2583208 -7 18
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA 9 - Bulanan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
56/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 148
Grafik Hasil Peramalan Dengan Menggunakan Metode MA 9 - Bulanan
Oct Nov Dec
Forecast
Demand 14059 14256 14238
13950
14000
14050
14100
14150
14200
14250
14300
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE
MOVING AVERAGE 9-BULANAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
57/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 149
g. Dengan menggunakan metode Eksponensial Smoothing With
= 0.1
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13224 1871 1871 3500641 12 12
Apr 4 14900 13411 1489 1489 2216823 10 10
May 5 14250 13560 690 690 476114 5 5
Jun 6 13125 13629 -504 504 254006.928081 -4 4
Jul 7 12950 13579 -629 629 395128 -5 5
Aug 8 13950 13516 434 434 188588 3 3
Sep 9 15025 13559 1466 1466 2148689 10 10
Oct 10 14890 13706 1184 1184 1402463 8 8
Nov 11 13955 13824 131 131 17117 1 1
Dec 12 12895 13837 -942 942 887839 -7 7
TOTAL : 78 168275 148970 6180 10330 12467509 40.00 72.00
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.1
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
58/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 150
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.1
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 13224 13411 13560 13629 13579 13516 13559 13706 13824 13837
12600
12800
13000
13200
13400
13600
13800
14000
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE EKPONENSIAL
SMOOTHING DENGAN = 0,1
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
59/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 151
= 0.2
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13323 1772 1772 3139984 12 12
Apr 4 14900 13677 1223 1223 1494751 8 8
May 5 14250 13922 328 328 107636 2 2
Jun 6 13125 13988 -863 863 743968 -7 7
Jul 7 12950 13815 -865 865 748275 -7 7
Aug 8 13950 13642 308 308 94850 2 2
Sep 9 15025 13704 1321 1321 1746049 9 9
Oct 10 14890 13968 922 922 850278 6 6
Nov 11 13955 14152 -197 197 38934 -1 1
Dec 12 12895 14113 -1218 1218 1483165 -9 9
TOTAL : 78 168275 151429 3721 10007 11427990 22.35 70.57
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.2
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
60/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 152
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.2
Feb Mar Apr May Jun Jul Aug Sep Oct Nov DecForecast Demand 13125 13323 13677 13922 13988 13815 13642 13704 13968 14152 14113
12600
12800
13000
13200
13400
13600
13800
14000
14200
14400
TingkatPermint
aan
GRAFIK HASIL PERAMALAN DENGAN METODE EKPONENSIAL
SMOOTHING DENGAN = 0,2
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
61/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 153
= 0.3
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13422 1673 1673 2798929 11 11
Apr 4 14900 13630 1270 1270 1613154 9 9
May 5 14250 13775 475 475 225217 3 3
Jun 6 13125 13877 -752 752 565957 -6 6
Jul 7 12950 13949 -999 999 997223 -8 8
Aug 8 13950 13999 -49 49 2355 0 0
Sep 9 15025 14033 992 992 983133 7 7
Oct 10 14890 14058 832 832 692343 6 6
Nov 11 13955 14075 -120 120 14412 -1 1
Dec 12 12895 14087 -1192 1192 1420947 -9 9
TOTAL : 78 168275 152030 3120 9343 10293770 18.24 65.34
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.3
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
62/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 154
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.3
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast
Demand13125 13422 13630 13775 13877 13949 13999 14033 14058 14075 14087
12600
12800
13000
13200
13400
13600
13800
14000
14200
TingkatPermintaa
n
GRAFIK HASIL PERAMALAN DENGAN METODE EKPONENSIAL
SMOOTHING DENGAN = 0,3
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
63/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 155
= 0.4
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13521 1574 1574 2477476 10 10
Apr 4 14900 13759 1141 1141 1302794 8 8
May 5 14250 13901 349 349 121689 2 2
Jun 6 13125 13987 -862 862 742520 -7 7
Jul 7 12950 14038 -1088 1088 1183782 -8 8
Aug 8 13950 14069 -119 119 14116 -1 1
Sep 9 15025 14087 938 938 879307 6 6
Oct 10 14890 14098 792 792 626675 5 5
Nov 11 13955 14105 -150 150 22507 -1 1
Dec 12 12895 14109 -1214 1214 1473830 -9 9
TOTAL : 78 168275 152799 2351 9216 9824796 12.80 65.42
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.4
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
64/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 156
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.4
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 13521 13759 13901 13987 14038 14069 14087 14098 14105 14109
12600
12800
13000
13200
13400
13600
13800
14000
14200
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE EKPONENSIAL
SMOOTHING DENGAN = 0,4
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
65/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 157
= 0.5
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13620 1475 1475 2175625 10 10
Apr 4 14900 13868 1033 1033 1066056 7 7
May 5 14250 13991 259 259 66952 2 2
Jun 6 13125 14053 -928 928 861416 -7 7
Jul 7 12950 14084 -1134 1134 1286098 -9 9
Aug 8 13950 14100 -150 150 22360 -1 1
Sep 9 15025 14107 918 918 842236 6 6
Oct 10 14890 14111 779 779 606634 5 5
Nov 11 13955 14113 -158 158 24985 -1 1
Dec 12 12895 14114 -1219 1219 1486042 -9 9
TOTAL : 78 168275 153286 1864 9042 9418504 9.38 64.36
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.5
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
66/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 158
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.5
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 13620 13868 13991 14053 14084 14100 14107 14111 14113 14114
12600
12800
13000
13200
13400
13600
13800
14000
14200
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE EKPONENSIAL
SMOOTHING DENGAN = 0,5
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
67/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 159
= 0.6
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13719 1376 1376 1893376 9 9
Apr 4 14900 14545 355 355 126309 2 2
May 5 14250 14758 -508 508 257901 -4 4
Jun 6 13125 14453 -1328 1328 1763945 -10 10
Jul 7 12950 13656 -706 706 498795 -5 5
Aug 8 13950 13233 717 717 514804 5 5
Sep 9 15025 13663 1362 1362 1855042 9 9
Oct 10 14890 14480 410 410 167936 3 3
Nov 11 13955 14726 -771 771 594565 -6 6
Dec 12 12895 14263 -1368 1368 1872606 -11 11
TOTAL : 78 168275 154621 529 9892 10525380 0.20 70.75
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.6
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
68/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 160
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.6
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 13719 14545 14758 14453 13656 13233 13663 14480 14726 14263
12000
12500
13000
13500
14000
14500
15000
TingkatPermintaan
GRAFIK METODE PERAMALAN DENGAN METODE EKPONENSIAL
SMOOTHING DENGAN = 0,6
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
69/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 161
= 0.7
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7.01 7.01
Mar 3 15095 13818 1277 1277 1630729 8.46 8.46
Apr 4 14900 14712 188 188 35382 1.26 1.26
May 5 14250 14844 -594 594 352325 -4.17 4.17
Jun 6 13125 14428 -1303 1303 1697994 -9.93 9.93
Jul 7 12950 13516 -566 566 320267 -4.37 4.37
Aug 8 13950 13120 830 830 689271 5.95 5.95
Sep 9 15025 13701 1324 1324 1753154 8.81 8.81
Oct 10 14890 14628 262 262 68759 1.76 1.76
Nov 11 13955 14811 -856 856 733308 -6.14 6.14
Dec 12 12895 14212 -1317 1317 1734226 -10.21 10.21
TOTAL : 78 168275 154914 236 9507 9995515 -1.55 68.07
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.7
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
70/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 162
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.7
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 13818 14712 14844 14428 13516 13120 13701 14628 14811 14212
12000
12500
13000
13500
14000
14500
15000
TingkatPerm
intaan
GRAFIK HASIL PERAMALAN DENGAN METODE EKSPONENSIAL
SMOOTHING DENGAN = 0,7
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
71/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 163
= 0.8
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - 0
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 13917 1178 1178 1387684 8 8
Apr 4 14900 14859 41 41 1648 0 0
May 5 14250 14892 -642 642 412010 -5 5
Jun 6 13125 14378 -1253 1253 1570951 -10 10
Jul 7 12950 13376 -426 426 181199 -3 3
Aug 8 13950 13035 915 915 836978 7 7
Sep 9 15025 13767 1258 1258 1582496 8 8
Oct 10 14890 14773 117 117 13594 1 1
Nov 11 13955 14867 -912 912 831162 -7 7
Dec 12 12895 14137 -1242 1242 1543399 -10 10
TOTAL : 78 168275 155127 23 8973 9341223 -3 64
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.8
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
72/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 164
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.8
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 13917 14859 14892 14378 13376 13035 13767 14773 14867 14137
12000
12500
13000
13500
14000
14500
15000
15500
TingkatPerm
intaan
HASIL PERAMALAN DENGAN METODE EKSPONENSIAL
SMOOTHING DENGAN = 0,8
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
73/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 165
= 0.9
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 13125 990 990 980100 7 7
Mar 3 15095 14016 1079 1079 1164241 7 7
Apr 4 14900 14987 -87 87 7586 -1 1
May 5 14250 14909 -659 659 433899 -5 5
Jun 6 13125 14316 -1191 1191 1418174 -9 9
Jul 7 12950 13244 -294 294 86487 -2 2
Aug 8 13950 12979 971 971 942047 7 7
Sep 9 15025 13853 1172 1172 1373723 8 8
Oct 10 14890 14908 -18 18 317 0 0
Nov 11 13955 14892 -937 937 877556 -7 7
Dec 12 12895 14049 -1154 1154 1330973 -9 9
TOTAL : 78 168275 155277 -127 8551 8615102 -3 61
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.9
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
74/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 166
Grafik Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With = 0.9
Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 13125 14016 14987 14909 14316 13244 12979 13853 14908 14892 14049
11500
12000
12500
13000
13500
14000
14500
15000
15500
TingkatPermi
ntaan
GRAFIK HASIL PERAMALAN DENGAN METODE EKSPONENSIAL
SMOOTHING DENGAN = 0,9
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
75/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 167
h. Dengan menggunakan metode Weight Moving Average
WMA 3 Bulan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 14210 690 690 476100 5 5
May 5 14250 14723 -473 473 223729 -3 3
Jun 6 13125 14699 -1574 1574 2475902 -12 12
Jul 7 12950 13995 -1045 1045 1092025 -8 8
Aug 8 13950 13393 558 558 310806 4 4
Sep 9 15025 13403 1623 1623 2632506 11 11
Oct 10 14890 14080 810 810 656100 5 5
Nov 11 13955 14649 -694 694 480942 -5 5
Dec 12 12895 14557 -1662 1662 2760582 -13 13
TOTAL : 78 168275 127707 -1767 9127 11108693 -16 66
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode WMA 3 Bulan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
76/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 168
Grafik Hasil Peramalan Dengan Menggunakan Metode WMA 3 Bulan
Apr May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 14210 14723 14699 13995 13393 13403 14080 14649 14557
12500
13000
13500
14000
14500
15000
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE WMA 3 BULAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
77/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 169
WMA 4 Bulan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 14309 -59 59 3452 0 0
Jun 6 13125 14590 -1465 1465 2146225 -11 11
Jul 7 12950 14343 -1393 1393 1939056 -11 11
Aug 8 13950 13806 144 144 20664 1 1
Sep 9 15025 13569 1456 1456 2120664 10 10
Oct 10 14890 13763 1128 1128 1271256 8 8
Nov 11 13955 14204 -249 249 61877 -2 2
Dec 12 12895 14455 -1560 1560 2433600 -12 12
TOTAL : 78 168275 113038 -1998 7453 9996794 -18 55
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode WMA 4 Bulan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
78/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 170
Grafik Hasil Peramalan Dengan Menggunakan Metode WMA 4 Bulan
May Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 14309 14590 14343 13806 13569 13763 14204 14455
13000
13200
13400
13600
13800
14000
14200
14400
14600
14800
TingkatPermintaan
GRAFIK HASIL PERAMALAN DENGAN METODE WMA 4 BULAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
79/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 171
WMA 5 Bulan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 14337 -1212 1212 1469308 -9 9
Jul 7 12950 14267 -1317 1317 1733962 -10 10
Aug 8 13950 13997 -47 47 2195 0 0
Sep 9 15025 13792 1233 1233 1520906 8 8
Oct 10 14890 13882 1008 1008 1016064 7 7
Nov 11 13955 14054 -99 99 9811 -1 1
Dec 12 12895 14194 -1299 1299 1688051 -10 10
TOTAL : 78 168275 98523 -1733 6215 7440296 -16 45
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode WMA 5 Bulan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
80/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 172
Grafik Hasil Peramalan Dengan Menggunakan Metode WMA 5 Bulan
Jun Jul Aug Sep Oct Nov Dec
Forecast Demand 14337 14267 13997 13792 13882 14054 14194
13500
13600
13700
13800
13900
14000
14100
14200
14300
14400
TingkatPermin
taan
GRAFIK HASIL PERAMALAN DENGAN METODE WMA 5 BULAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
81/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 173
WMA 6 Bulan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 14140 -1190 1190 1416576 -9 9
Aug 8 13950 14030 -80 80 6384 -1 1
Sep 9 15025 13969 1056 1056 1115558 7 7
Oct 10 14890 13990 900 900 810000 6 6
Nov 11 13955 14059 -104 104 10858 -1 1
Dec 12 12895 14058 -1163 1163 1352802 -9 9
TOTAL : 78 168275 84246 -581 4494 4712178 -6 33
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode WMA 6 Bulan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
82/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 174
Grafik Hasil Peramalan Dengan Menggunakan Metode WMA 6 Bulan
Jul Aug Sep Oct Nov Dec
Forecast Demand 14140 14030 13969 13990 14059 14058
13850
13900
13950
14000
14050
14100
14150
14200
TingkatPerm
intaan
GRAFIK HASIL PERAMALAN DENGAN METODE WMA 6 BULAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
83/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 175
WMA 7 Bulan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase
Kesalahan Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 - - - - - -
Aug 8 13950 13919 31 31 952 0 0
Sep 9 15025 14043 982 982 964520 7 7
Oct 10 14890 14191 699 699 488531 5 5
Nov 11 13955 14172 -217 217 46981 -2 2
Dec 12 12895 14029 -1134 1134 1285389 -9 9
TOTAL : 78 168275 70354 361 3062 2786373 1 21
Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode WMA 7 Bulan
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
84/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 176
Grafik Hasil Peramalan Dengan Menggunakan MetodeWMA 7 Bulan
Aug Sep Oct Nov Dec
Forecast Demand 13919 14043 14191 14172 14029
13750
13800
13850
13900
13950
14000
14050
14100
14150
14200
14250
TingkatPermin
taan
GRAFIK HASIL PERAMALAN DENGAN METODE WMA 7 BULAN
-
7/30/2019 Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM "Forecasting,Agregat Planning,dan Material Regrui
85/96
Rudini Mulya,dkk 2012-Laporan Praktikum SCM Forecasting by VIIth Group Page 177
WMA 8 Bulan
BULAN t A FDeviasi
Deviasi
Absolut
Kuadrat
Kesalahan
Persentase
Kesalahan
Persentase Kesalahan
Absolut
A-F |A-F| (A-F)2
((A-F)/A)100 |((A-F)/A)100|
Jan 1 13125 - - - - - -
Feb 2 14115 - - - - - -
Mar 3 15095 - - - - - -
Apr 4 14900 - - - - - -
May 5 14250 - - - - - -
Jun 6 13125 - - - - - -
Jul 7 12950 - - - - - -
Aug 8 13950 - - - - - -
Sep 9 15025 13939 1086 1086 1179939 7 7
Oct 10 14890 14176 714 714 509439 5 5
Nov 11 13955 14273 -318 318 101204 -2 2
Dec 12 12895 14131 -1236 1236 1526769 -10 10
TOTAL : 78 168275 56519 246 3354 33