penentuan metode peramalan permintaan pengetesan kandungan

PENENTUAN METODE PERAMALAN PERMINTAAN PENGETESAN KANDUNGAN LOGAM BERAT

UNTUK MENENTUKAN POLA KERJA OPERATOR SCRAPING DI LABORATORIUM KIMIA PT.XYZ

Oleh Anjar Aryani

NIM 004201000162

Skripsi ini disampaikan kepada Fakultas Teknik President University diajukan untuk memenuhi

persyaratan akademik mencapai gelar Sarjana Teknik Program Studi Teknik Industri

2014

i

LEMBAR REKOMENDASI PEMBIMBING

Skripsi berjudul “Penentuan Metode Peramalan Terhadap

Permintaan Testing Kandungan Logam Berat untuk Menentukan

Pola Kerja Operator Scraping di Laboratorium Kimia PT. XYZ”

yang disusun dan diajuan oleh Anjar Aryani sebagai salah satu

persyaratan untuk mendapatan gelar Strata Satu (S1) pada Fakultas

Teknik telah ditinjau dan dianggap memenuhi persyaratan sebuah

skripsi. Oleh karena itu, Saya rekomendasikan skripsi ini untuk maju

sidang.

Cikarang, Indonesia, 3 Maret 2014

Johan Oscar Ong ST.,MT.

ii

LEMBAR PERNYATAAN ORISINALITAS

Saya menyatakan bahwa skripsi berjudul “Penentuan Metode

Peramalan Terhadap Permintaan Testing Kandungan Logam

Berat untuk Menentukan Pola Kerja Operator Scraping di

Laboratorium Kimia PT. XYZ” adalah hasil dari pengetahuan

terbaik Saya dan belum pernah diajukan ke Universitas lain maupun

diterbitkan baik sebagiab maupun secara keseluruhan.


Anjar Aryani

iii

PENENTUAN METODE PERAMALAN TERHADAP

PERMINTAAN PENGETESAN KANDUNGAN

LOGAM BERAT UNTUK MENENTUKAN POLA

KERJA OPERATOR SCRAPING DI

LABORATORIUM KIMIA PT. XYZ

Oleh

Anjar Aryani

NIM. 004201000162

Disetujui oleh,

Johan Oscar Ong, S.T., M.T. Herwan Yusmira, B.Sc. MET, Mtech

Pembimbing Skripsi Ketua Program Studi Teknik Industri

iv

ABSTRAK

Laboratorium Kimia melayani permintaan pengetesan kandumngan logam berat

pada bahan baku, barang setengah jadi, dan barang jadi. Namun, beberapa bualn

terakhir, hampir 50% pengetesan tidak memenuhi target lead time. Hal ini salah

satunya disebabkan oleh tidak adanyan perencanaan kebutuhan sumber daya,

sehingga kekurangan sumber daya tidak dapat segera diatasi. Skripsi ini berisi

proses peramalan permintaan pengetesan kandungan bahan kimia di Laboratorium

Kimia PT. XYZ dengan beberapa cara atau metode peramalan, yaitu Last Period

Demand, Arithmatic Average, Moving Average, Exponential Smoothing dan Pola

Siklis, kemudian dipilih salah satu metode yang terbaik yaitu dengan cara

perhitungan kesalahan metode menggunakan Mean Sequare Error (rata-rata

kesalahan kuadrat), Standard Error of Estimate, Mean Absolute Percentage Error,

Mean Error (bias), Mean Absolute Error. Dari perhitungan kesalahan, didapatkan

sistem peramalan yang tepat untuk masing-masing sampel. Yaitu, Double

Exponential Smoothing-Holt untuk Incoming, WMA 4 untuk Bi-Weekly, dan

pola Siklis untuk Product Qualification. Dengan metode peramalan yang dipilih,

dilakukan peramalan untuk permintaan pada periode 2014. Sehingga dapat

direncanakan kebutuhan sumber daya yaitu penambahan 1 operator scraping pada

bulan Januari, Februari, dan Mei ,penambahan 2 scraper pada bulan Maret dan

Juli, atau perubahan pola kerja untuk bulan Januari, Februari dan Mei menjadi 2

shift, 5 hari kerja dengan jam efektif 1 hari selama 18 jam, pola kerja 3 shift 5 hari

kerja untuk bulan Maret dan Juli.

Kata kunci : Peramalan, Last Period Deman, Arithmatic Average, Moving

Average, Exponential Smoothing, Pola Siklis, Linier Siklis,incoming, bi-weekly,

product qualification, logam berat.

v

KATA PENGANTAR

Pertama-tama penulis mengucapkan Puji syukur kehadirat Tuhan Yang Maha Esa,

yang atas rahmat-Nya maka penulis dapat menyelesaikan penyusunan skripsi ini

dengan baik. Penulisan skripsi ini merupakan salah satu tugas dan persyaratan

untuk mendapatkan gelar Strata Satu pada Fakultas Teknik Program Studi teknik

Industri. Dalam penulisan skripsi ini penulis menyampaikan ucapan terima kasih yang tak

terhingga kepada pihak-pihak yang membantu dalam menyelesaikan penelitian

ini, khususnya kepada :

PT. XYZ, yang telah menyediakan tempat dan segala fasilitas sehingga

penulis dapat menyelesaikan skripsi ini.

Bapak Johan Oscar Ong, S.T., M.T. selaku Dosen Pembimbing yang telah

meluangkan waktu, tenaga dan pkiran dalam pelaksanaan bimbingan,

pengarahan, dorongan dalam rangka penyelesaian penyusunan skripsi ini.

Rekan-rekan semua di kampus President University.

Secara khusus penulis menyampaikan terima kasih kepada keluarga tercinta

yang telah memberikan dorongan dan bantuan serta pengertian yang besar

kepada penulis, baik selama mengikuti perkuliahan maupun dalam

menyelesaikan makalah ini.

Teman-teman semua khususnya Harry Wahyu Pratomo, Nita Wulandarai, Isti

Nur Hidayati, Rahmawati, Wisnu Setya Nugraha, Dyonisia Rani, Sintia

Sandra, dan Rizal Muhamad Faris, yang telah memberikan dukungan dan

bantuan yang besar kepada penulis.


Penulis

vi

DAFTAR ISI

LEMBAR REKOMENDASI PEMBIMBING ........................................................ I

LEMBAR PERNYATAAN ORISINALITAS ....................................................... II

ABSTRAK ............................................................................................................ IV

KATA PENGANTAR ............................................................................................ V

DAFTAR ISI ......................................................................................................... VI

DAFTAR TABEL ............................................................................................... VIII

DAFTAR GAMBAR ............................................................................................ IX

DAFTAR TERMINOLOGI .................................................................................... X

BAB I ...................................................................................................................... 1

PENDAHULUAN .................................................................................................. 1

1.1. Latar Belakang Masalah .......................................................................... 1

1.2. Rumusan Masalah ................................................................................... 2

1.3. Tujuan Penelitian .................................................................................... 2

1.4. Batasan Masalah ..................................................................................... 2

1.5. Asumsi .................................................................................................... 3

1.6. Sistematika Penulisan ............................................................................. 3

BAB II ..................................................................................................................... 4

STUDI PUSTAKA ................................................................................................. 4

1.2. Perencanaan Produksi ............................................................................. 4

2.1.1. Maksud dan Tujuan Perencanaan Produksi ........................................ 5

2.1.2. Jenis dan Ciri-ciri Perencanaan Produksi ............................................ 5

2.1.3. Hal-hal Yang Perlu Diperhatikan Dalam Perencanaan Produksi ........ 6

1.3. Peramalan (Forecasting) ......................................................................... 8

2.1.4. Pengertian peramalan .......................................................................... 9

2.1.5. Metode peramalan ............................................................................... 9

a. Time Series Methode (Metode Deret Waktu) ....................................... 11

vii

1. Constant Model ..................................................................................... 11

2. Linear Model ......................................................................................... 11

3. Siklis ...................................................................................................... 12

4. Metode Moving Average ...................................................................... 12

5. Exponential Smoothing ......................................................................... 14

2.1.6. Ukuran kesalahan peramalan ............................................................ 15

2.1.7. Verifikasi Metode ............................................................................. 17

2.1.8. Validasi Metode ................................................................................ 18

BAB III ................................................................................................................. 19

METODOLOGI PENELITIAN ............................................................................ 19

3.1. Observasi ............................................................................................... 20

3.2. Identifikasi Masalah .............................................................................. 20

3.3. Studi Pustaka ......................................................................................... 21

3.4. Pengumpulan dan Pengolahan Data ...................................................... 21

3.5. Perhitungan dan Analisis....................................................................... 23

3.6. Simpulan dan Saran............................................................................... 23

BAB IV ................................................................................................................. 24

DATA DAN ANALISIS ....................................................................................... 24

4.1. Data ....................................................................................................... 24

4.2. Perhitungan Peramalan.......................................................................... 25

4.3. Perhitungan Ukuran kesalahan .............................................................. 33

4.4. Analisis .................................................................................................. 35

BAB V ................................................................................................................... 49

SIMPULAN DAN SARAN .................................................................................. 49

4.5. Simpulan ............................................................................................... 49

4.6. Saran ...................................................................................................... 49

DAFTAR PUSTAKA ........................................................................................... 50

LAMPIRAN .......................................................................................................... 51

viii

DAFTAR TABEL

Tabel 2.1.Koefisien pembobotan WMA .................................................................. 14

Tabel 4.1.Data Permintaan Pengetesan Kandungan Bahan Kimia Periode 2013 .... 24

Tabel 4.2.Perhitungan Peramalan Permintaan Metode WMA 4 .............................. 27

Tabel 4.3.Perhitungan Peramalan Permintaan Metode Double Moving Average .... 28

Tabel 4.4.Perhitungan Peramalan Permintaan Metode Single Exponential

Smoothing ....................................................................................................... 29

Tabel 4.5.Perhitungan Peramalan Permintaan Metode Double Exponential

Smoothing-Brown ........................................................................................... 30

Tabel 4.6.Perhitungan Peramalan Permintaan Metode Double Exponential

Smoothing-Holt .............................................................................................. 31

Tabel 4.7. Perhitungan Peramalan Permintaan Metode Pola Siklis ......................... 32

Tabel 4.8. Nilai MSE ................................................................................................ 33

Tabel 4.9.Nilai SEE .................................................................................................. 33

Tabel 4.10.Nilai MAPE ............................................................................................ 34

Tabel 4.11.Nilai Mean Error .................................................................................... 34

Tabel 4.12.Nilai Rata-Rata Mutlak .......................................................................... 35

Tabel 4.13.Kapasitas Scraper Tiap Bulan ................................................................ 35

Tabel 4.14.Ukuran kesalahan Sampel Incoming ...................................................... 36

Tabel 4.15.Ukuran kesalahan Sampel Bi-Weekly .................................................... 36

Tabel 4.16.Ukuran kesalahan Sampel PQ ................................................................ 38

Tabel 4.17.Hasil Peramalan Periode 2014 ............................................................... 44

Tabel 4.18.Kebutuhan Kapasitas Tiap Bulan ........................................................... 45

Tabel 4.19.Perbandingan Kapasitas Tiap Bulan ....................................................... 46

Tabel 4.20.Perbandingan Kapasitas Setelah Penambahan Jam Kerja ...................... 46

Tabel 4.21.Perbandingan Kapasitas Setelah Perubahan Pola Kerja ......................... 47

Tabel 4.22.Perbandingan Kapasitas Setelat Penambahan Operator ......................... 48

Tabel 4.23.Perbandingan Alternatif .......................................................................... 48

ix

DAFTAR GAMBAR

Gambar 3.1.Alur Metodologi Penelitian .................................................................... 19

Gambar 4.1.Diagram Pencar Permintaan Pengetesan Sampel Incoming .................. 25

Gambar 4.2.Diagram Pencar Permintaan Pengetesan Sampel Bi-Weekly ................ 25

Gambar 4.3.Diagram Pencar Permintaan Pengetesan Sampel PQ ............................. 26

Gambar 4.4.Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-Weekly

Metode WMA 4 .................................................................................................. 36

Gambar 4.5.Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-Weekly

Metode DMA ...................................................................................................... 37

Gambar 4.6.Hasil Verifikasi Metode Double Exponential Smoothing-Holt ............. 38

Gambar 4.7.Peta Tracking Signal Metode Double Exponential Smoothing-Holt ..... 39

Gambar 4.8.Hasil Verifikasi Metode DMA ............................................................... 39

Gambar 4.9.Peta Tracking Signal Metode DMA ....................................................... 40

Gambar 4.10.Verifikasi Metode Pola Siklis .............................................................. 40

Gambar 4.11.Peta Tracking Signal Metode Pola Siklis ............................................. 41

Gambar 4.12.Validasi Metode Double Exponential Smoothing-Holt ........................ 42

Gambar 4.11.Validasi Metode Double Moving Average ........................................... 42

Gambar 4.11.Validasi Metode Pola Siklis ................................................................. 43

x

DAFTAR TERMINOLOGI

Scraping : Proses memisahkan sampel menjadi bagian-bagian

penyusunnya.

Sampel incoming : Sampel yang berbentuk raw material

Sampel Bi-Weekly : Sampel barang setengah jadi

Sampel Product Qualification : Sampel Barang Jadi

LER : Laboratory Evaluation Request

Solution Rate : Konversi dari LER ke Solution

Konversi : Koefisien perubahan satuan.

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

PT. XYZ adalah perusahaan internasional dan merupakan perusahaan pemimpin

bisnis mainan. PT. XYZ, memproduksi boneka dari mulai bahan baku sampai

menjadi boneka yang siap dipasarkan. Sebagai perusahaan yang sangat

memperahatikan kebutuhan pelanggan. Untuk memastikan produknya terbebas dari

kandungan logam berat yang berbahaya yaitu Arsen, Barium, Cadmium,

Crhomium, Lead, Mercury, Selenium,Antimony, Nickel, Aluminium, Zink,

Stronsium, Tin, Cobalt, Cuprum, Mangan, dan Boron, maka semua produk dan

bahan bakumya harus memiliki sertifikat bebas logam berat. Tidak semua bahan

baku yang didapat dari suplier memiliki sertifikat tersebut, sehingga PT. XYZ

memiliki sebuah laboratorium kimia yang bertanggung jawab atas pengetesan

produk jadi dan bahan baku produk di PT. XYZ. Laboratorium ini berada dibawah

naungan PT. XYZ, dan tidak terpisah secara menejemen perusahaan.

Meskipun laboratorium ini tidak berdiri senndiri, namun bukan berarti tidak

memperhatikan kepuasan pelanggan. Pelanggan tentu akan merasa puas jika

permintaan pengetesan dapat dilakukan secara cepat dan tepat. Untuk memenuhi

permintaan pelanggan ini, maka pihak laboratorium harus mampu memperkirakan

jumlah sumber daya yang dibutuhkan, seperti tenaga kerja atau operator, kebutuhan

bahan-bahan kimia, peralatan dan instrumen. Dalam hal sumber daya tenaga keja

atau operator, perekrutan tidak dapat dipisahkan dari Human Recources

Department (HRD) PT. XYZ. Sehingga proses perekrutan tenaga kerja cukup

membutuhkan waktu yang lama. Untuk itu, untuk menghindari kebutuhan tenaga

kerja yang mendadak , maka pihak laboratorium harus mampu mengetahui tingkat

permintaan pengetesan pada periode yang akan datang, agar dapat direncanakan

kebutuhan sumber daya atau pola kerja yang tepat bagi sumber daya operator atau

tenaga kerja yang sudah ada.

2

Untuk mengetahui tingkat permintaan pengetesan pada periode selanjutnya, maka

perlu adanya sebuah metode yang disebut dengan metode peramalan. Pada kondisi

saat ini, laboratorium PT. XYZ belum memiliki metode peramalan tersebut.

Sehingga sering terjadi permintaan tambahan tenaga kerja secara mendadak, dan

perubahan pola kerja yang tidak teratur. Selain itu sering juga terjadi tidak

terpenuhinya pengetesan sesuai dengan batas waktu yang telah ditentukan. Pada

tahun 2013, hampir 50% permintaan pada bulan September sampai Desember tidak

terpenuhi tepat waktu.

1.2. Rumusan Masalah

Rumusan masalah yang mendasari dilakukannya penelitian ini adalah :

• Metode peramalan apa yang dapat digunnakan untuk menentukan tingkat

permintaan pengetesan pada periode berikutnya, sehingga kebutuhan sumber

daya dapat direncanakan dengan baik?

• Alternatif apa yang dapat diambil jika pola kerja saat ini tidak dapat memenuhi

permintaan pada periode 2014?

1.3. Tujuan Penelitaian

Tujuan dari penelitian ini adalah :

• Menentukan metode peramalan yang tepat untuk pemintaan pengetesan

kandungan bahan kimia di laboratorium kimia PT. XYZ

• Memberikan alternatif yang dapat diambil jika pola kerja saat ini tidak

memenuhi untuk permintaan periode 2014.

1.4. Batasan Masalah

Untuk mengindari penyimpangan-penyimpangan yang terlalu jauh dari pokok

permasalahan, maka dalam penulisan skripsi ini penulis membuat batasan masalah

agar lebih mudah dalam menganalisa dan memecahkan masalah.

Adapun batasan-batasan tersebut adalah sebagai berikut:

1. Penelitian dan pengambilan data dilakukan di Laboratorium Kimia PT. XYZ.

2. Perencanaan permintaan yang dibuat berdasarkan pada data permintaan

pengetesan tahun 2013.

3

1.5. Asumsi

Asumsi yang diterapkan dalam penelitian adalah :

• Tidak terjadi perubahan kondisi yang secara tiba-tiba atau insidential.

1.6. Sistematika Penulisan

Laporan ini terdiri dari :

Bab I Pendahuluan

Berisi tentang latar belakang, rumusan masalah, tujuan penelitian, dan ruang

lingkup.

Bab II Studi Pustaka

Bab ini menyajikan teori-teori yang mendukung penelitian mengenai model-

meodel untuk peramalan seperti Last Period Demand, Arithmatic average, Moving

Average, Exponential Smoothing.

Bab III Metodologi Penelitian

Metodologi penelitian berisi urutan proses yang di;akukan serta pembahasan

secara singkat tentang keseluruhan proses yang dilakukan. Mulai dari BAB I

sampai dengan BAB V.

Bab IV Data dan Analisis

Data hasil pengamatan diolah dan dianalisa pada bab ini. Pengolahan dalam

menentukan jenis peramalan yang tepat terdahap kondisi permintaan pengetesan

logam berat periode 2014 dan pemilihan pola kerja yang tepat terhadap hasil

peramalan tersebut. Hasil analisa dan pengolahan ini adalah hasil yang optimal

dimana diharapkan dapat meminimalisir keterlambatan hasil analisa.

Bab V Simpulan dan Saran

Berisi kesimpulan dan saran yang diberikan kepada perusahaan, setelah

penyelesaian internship.

4

BAB II

STUDI PUSTAKA

1.2. Perencanaan Produksi

Perencanaan adalah suatu usaha untuk menentukan tindakan-tindakan dan

keputusan yang menyangkut kegiatan pada masa yang akan datang pada waktu

awal. Tindakan dan keputusan yang diambil agar tujuan yang telah ditetapkan

sebelumnya dapat tercapai. Sedangkan produksi dapat diartikan sebagai segala

kegiatan dalam menciptakan dan menambah nilai atau kegunaan suatu barang atau

jasa, atau dapat diartikan sebagai suatu gabungan proses pengubahan bahan baku

menjadi barang setengah jadi atau barang jadi. Sedangkan perencanaan produksi

merupakan perencanaan nengenai jumlah tenaga kerja dan tingkat produksi pada

fasilitas yang diberikan dalam jangka waktu sekitar 3-12 bulan

(Narasimahan,1995). Perencanaan produksi selalu berhubungan atau

membicarakan masa yang akan datang yaitu bagaimana menyusun suatu rencana

produksi yang mampu menggantikan kegiatan-kegiatan yang belum diketahui

secara pasti. Suatu rencana dapat disusun untuk periode produksi beberapa bulan

sampai beberapa tahun kedepan. Rencana produksi digunakan sebagai pedoman

bertindak dalam mencapai tujuan dan sasaran perusahaan untuk mengantisipasi

perubahan yang diperkirakan akan terjadi.

Menurut Biegel (1992) yang dimaksud perencanaan produksi adalah: Menyediakan

jumlah produk yang diinginkan pada waktu yang tepat pada jumlah biaya minimum

dengan kualitas (mutu) yang memenuhi syarat. Sedangkan menurut Sofjan Assauri

(1990) yang dimaksud dengan perencanaan produksi adalah: Perencanaan dan

pengorganisasian sebelumnya mengenai orang-orang, bahan-bahan, mesin-mesin,

dan peralatan-peralatan lain serta modal yang diperlukan untuk memproduksi

barang-barang pada suatu periode waktu tertentu dimasa depan sesuai dengan

perkiraan atau diramalkan.

5

2.1.1. Maksud dan Tujuan Perencanaan Produksi

Pada dasarnya tujuan akhir perusahaan adalah untuk mengembangkan dan menjaga

kelangsungan hidupnya. Hal ini dapat dilakukan bila perusahaan mampu

melakukan fungsi operasinya secara efektif dan efisien. Fungsi operasi perusahaan

berhubungan dengan cara menghasilkan dan memproduksi produk-produk

perusahaan dengan baik, ekonomis dan tepat waktu. Untuk tujuan inilah

perencanaan produksi dilakukan sebelum kegiatan produksi yang sebenarnya

dilakukan.

Adapun beberapa tujuan dari perencanaan produksi antara lain adalah:

1. Untuk memenuhi permintaan konsumen yang fluktuatif.

2. Untuk mencapai target keuntungan sesuai dengan yang ditentukan oleh

perusahaan.

3. Untuk mengoptimalisasi penggunaan sumber daya dan kapasitas yang terbatas.

4. Untuk membuat urutan aktifitas produksi.

Jadi dapat disimpulkan bahwa tujuan perencanaan produksi adalah menghasilkan

produk agar dapat memenuhi permintaan konsumen pada saat yang dibutuhkan

dengan kendala keterbatasan sumber daya dan kapasitas produksinya namun

dengan biaya keseluruhan produksi yang minimal.

2.1.2. Jenis dan Ciri-ciri Perencanaan Produksi

Jenis perencanaan produksi dalam suatu perusahaan dapat dibedakan menurut

jangka waktu, meliputi:

1. Perencanaan produksi jangka pendek (Perencanaan Operasional)

Adalah penentuan kegiatan produksi yang dilakukan dalam jangka waktu satu

tahun mendatang atau kurang., dengan tujuan untuk pengaturan penggunaan jam

tenaga kerja, persediaan barang dan kapasitas produksi jangka pendek berhubungan

dengan pengaturan operasi produksi maka perencanaan ini disebut juga

perencanaan operasional.

2. Perencanaan produksi jangka panjang (Perencanaan Strategik)

Adalah penentuan tingkat produksi lebih dari satu tahun, biasanya sampai lima

tahun mendatang dengan tujuan untuk mengatur dan menambah kapasitas peralatan

6

atau mesin-mesin, ekspansi pabrik, dan pengembangan produk, karenaya lazim

disebut perencanaan strategis.

Dari kedua jenis perencanaan produksi diatas, maka dapatlah diketahui bahwa

setiap perencanaan produksi memiliki ciri-ciri sebagai berikut:

1. Perencanaan produksi menyangkut kegiatan pada masa yang akan datang,

dibuat berdasarkan penafsiran atau ramalan kegiatan yang ditentukan oleh

peramalan penjualan pada masa yang akan datang.

2. Perencanaan produksu mempunyai jangka waktu.

3. Perencanaan produksi mempersiapkan tenaga kerja, bahan baku, mesin-mesin

dan peralatan lain pada waktu yang dibutuhkan.

4. Perencanaan produksi menentukan jumlah, jenis dan kualitas produk yang

dihasilkan.

5. Perencanaan produksi dapat mengkoordinasikan kegiatan produksi.

2.1.3. Hal-hal Yang Perlu Diperhatikan Dalam Perencanaan Produksi

Dalam perencanaan produksi kita perlu memperhatikan hal-hal sebagai berikut:

1. Sifat Proses Produksi

Proses produksi dapat dibedakan atas dasar dua karakteristik, yaitu: aliran proses

dan tipe pesanan langganan.

a. Menurut aliran proses, sifat proses produksi dapat dibagi menjadi 3 (tiga) tipe,

yaitu:

1) Aliran Garis

Aliran garis mempunyai ciri bahwa aliran proses dari bahan mentah sampai

menjadi produk akhir dan urutan operasi-operasi mennghasilkan produk yang

selalu tetap. Operasi aliran garis ini dapat dibedakan lagi menjadi dua tipe

produksi, yaitu:

a) Proses produksi massal (mass production), yang pada umumnya memproduksi

kumpulan produk dalam jumlah besar dan mengikuti serangkaian operasi yang

sama dengan kumpulan produksi sebelumnya, sehingga proses ini sering disebut

repetitive process.

7

b) Proses produksi terus-menerus (continuous production), yang ditandai dengan

waktu produksi yang relatif lama untuk menghindari penyetelan, persiapan

lain, dan lemacetan-kemacetan produksi yang mahal. Prosesnya berjalan tetap

sehingga perencanaan produksinya disusun berdasarkan ramalan penjualan.

Umumnya jumlah produksi yang dihasilkan cukup besar dan sedikit bervariasi.

2) Aliran Intermitten (job shop)

Suatu proses aliran intermitten mempunyai ciri produksidalam kumpulan-

kumpulan atau kelompok-kelompok barang yang sejenis pada interval-interval

waktu yang terputus-putus. Pelaksanaan prosesnya dilakukan berdasarkan

pesanan yang diterima (job order). Biasanya produk yang dihasilkan relatif

sedikit jumlahnya namun banyak variasinya sehingga proses produksi yang

dibuat tidak hanya berdasarkan ramalan penjualan (sales forecasting), tapi juga

berdasarkan pesanan yang masuk. Ramalan penjualan berfungsi membantu

memperkirakan pesanan yang akan diterima, sehingga dapat ditentukan

tindakan-tindakan dalam pengambilan keputusan. Pada intermitten process,

jika suatu order telah selesai diproses, maka peralatan produksi mungkin harus

diatur kembali sebelum pesanan lainnya dapat diproses lebih lanjut. Oleh

karena itu urutan dalam proses pengerjaan merupakan masalah yang penting

dalam melakukan efisiensi dan efektifitas produksi.

3) Proyek

Bentuk operasi proyek yang digunakan untuk memproduksi produk-produk

khusus atau unik, seperti: kapal laut, pesawat terbang, jembatan dan lain

sebagainya.

b. Sedangkan berdasarkan tipe langganan, proses produksi dapat dibedakan

menjadi dua, yaitu:

1) Proses produksi untuk pesanan (production to order)

Proses ini pada dasarnya memproduksi barang-barang dan jasa-jasa atas

dasar permintaan atau pesanan tertentu dari langganan akan suatu produk.

Dalam proses ini, kegiatan pemrosesan menyesuaikan dengan persyaratan

pemesanan langganan secara individual.

8

2) Proses produksi untuk persediaan (production to stock)

Operasi produksi untuk persediaan menghasilkan garis produk yang

distandarisasikan. Permintaan langganan dipenuhi dengan produk-produk

standar ini dari persediaan. Persediaan digunakan untuk memenuhi

permintaan yang tidak pasti dan merencanakan kebutuhan kapasitas. Oleh

karena itu, peramalan, manajemen persediaan dan perencanaan kapasitas

menjadi penting bagi suatu operasi produksi untuk persediaan.

2. Jenis dan Mutu produk

Untuk menyusun perencanaan produksi ada beberapa hal tentang jenis dan sifat

produk yang perlu diketahui dan diperhatikan, yaitu:

a. Jenis barang

1) Consumer’s goods (barang-barang yang langsung dikonsumsi oleh konsumen).

2) Industrial’s goods (barang yang akan digunakan untuk memproduksi barang

lain).

b. Mutu produk

1) Mutu yang berdasarkan biaya.

2) Mutu produk berdasarkan penilaian pembelian.

c. Sifat barang

1) Sifat produk tahan lama (durable) atau tidak tahan lama (undurable).

2) Sifat permintaan musiman ayau sepanjang masa.

3. Produk baru atau produk lama

Jika produk baru, maka perencanaan produksi perlu adanya penelitian terlebih

dahulu, tetapi jika produk lama maka perencanaan produksi berdasarkan

pengalaman masa lalu.

1.3. Peramalan (Forecasting)

Aktivitas peramalan merupakan suatu fungsi bisnis yang didalamnya berusaha

memperkirakan penjualan dan penggunaan produk sehingga produk-produk

tersebut dapat dibuat dalam kuantitas yang sesuai kebutuhan.

9

2.1.4. Pengertian peramalan

Peramalan adalah suatu usaha untuk menyatakan apa yang akan terjadi di masa

yang akan datang dalam kondisi tertentu. Kondisi ini ditentukan oleh faktor dari

luar maupun faktor dari dalam perusahaan itu sendiri. Faktor dari dalam

perusahaan itu adalah data masa lalu, sedangkan faktor dari luar adalah apabila

peramalan dibuat dengan mempertimbangkan pengaruh keadaan pasar, persaingan

ataupun situasi internasional.

Menurut Biegel (1992) peramalan adalah suatu perkiraan tingkat permintaan yang

diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu

di masa yang akan datang. Oleh karena itu peramalan adalah suatu taksiran yang

ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan adanya

keterbatasan kemampuan manusia.

Dari pengertian di atas dapat diambil kesimpulan bahwa peramalan adalah suatu

kegiatan untuk memperkirakan situasi yang akan datang dan biasanya berdasarkan

analisa kegiatan-kegiatan yang berkaitan di masa lampau.

Syarat mutlak untuk manajemen yang efektif dalam sistem peramalan adalah :

1. Mengurangi ketidakpastian pada masa yang akan datang yang dihadapi

manajemen.

2. Secara efektif dapat memperluas jangkauan pilihan bagi para manajer.

Dengan kata lain sistem forecasting dapat dijadikan bahan pertimbangan

dalam melakukan pilihan

2.1.5. Metode peramalan

Ada beberapa metode peramalan yang dapat digunakan. Metode-metode tersebut

pada dasarnya dapat dikelompokkan menjadi dua kategori utama yaitu sebagai

berikut:

1. Metode kualitatif

Metode peramalan ini lebih menekankan pada keputusan hasil diskusi, pendapat

pribadi, dan intuisi yang meskipun tidak memiliki landasan ilmiah tetapi dapt

digunakan. Metode ini dibagi menjadi beberapa macam, yaitu :

10

a. Metode perkiraan subyektif yaitu: metode yang menggunakan pikiran manusia

secara efisien dalam proses informasi yang bermacam-macam dan atau

membuat struktur hasil peramalan dalam bentuk yang dapat digabungkan

secara sederhana dengan perencanaan dan proses pembuatan keputusan yang

lain. Yang termasuk dalam metode ini adalah riset pasar (market riset), metode

gabungan kemampuan penjualan, pendapat dewan juri dan lain-lain.

b. Metode pencarian (exploratory) yaitu: metode yang dimulai dengan

pengetahuan dan perkiraan-perkiraan masa lalu dan mencari untuk peramalan

masa yang akan datang. Ada beberapa yang termasuk dalam metode ini yaitu

metode pengembangan scenario, pendekatan Delphi, kurva s dan lain-lain.

c. Metode pendekatan normative yaitu: metode yang memperkirakan tujuan yang

akan datang, kebutuhan-kebutuhan, keinginan-keinginan, misi-misi dan

lainnya. Kemudian melihat masa lalu hingga masa kini dalam menentukan

perkembangan-perkembangan tersebut untuk mencapai tujuan itu. Yang

termasuk dalam metode ini adalah pohon keputusan, matrik keputusan dan

analisa system.

2. Metode kuantitatif

Metode yang berdasarkan pada data-data masa lalu dan mempergunakan

metode-metode dan teknik peramalan serta mengadakan penganalisaan dalam

pembuatan peramalan. Metode ini terbagi atas:

a. Metode deret waktu (time series) yaitu: peramalan yang didasarkan atas nilai-

nilai variable masa lalu untuk menentukan pola dalam deret data untuk masa

yang akan datang.

b. Metode sebab akibat atau metode kasual yaitu: metode yang mengasumsikan

bahwa faktor yang diramalkan menunjukan sebab akibat dengan satu atau

lebih variabel.

11

a. Time Series Methode (Metode Deret Waktu)

Metode deret waktu dibagi menjadi beberapa metode (Hartini,2010), yaitu :

1. Constant Model

Digunakan pada kasus dimana data historis diplotkan terhadap waktu, fluktuasi

random berharga konstant. Persamaan untuk model ini adalah :

..................................................................................(1)

Dengan n adalah jumlah periode dan t adalah periode saat itu

2. Linear Model

Digunakan pada kasus dimana data historis diplotkan terhadap waktu, fluktuasi

random membentuk garis lurus yang menunjukkan pertumbuhan maupun

penurunan terhadap waktu.

Metode ini terdiri dari satu variabel bebas (independent variable) yaitu periode

waktu dan satu variabel tidak bebas (dependent variable) yaitu peramalan, dan

kedua variabel tersebut mempunyai hubungan linier. Jika data diukur menurut

waktu, maka fungsionalnya dinamakan deret berkala dan waktu tersebut dijadikan

variabel bebas. Jika tidak terdapat maka bentuk fungsionalnya dinamakan regresi

penampang melintang.

Persamaan : ....................................................(2)

Keterangan :

dt’ : Variabel Tidak Bebas (Dependent Variable) atau Peramalan

𝑎𝑎 : parameter regresi (intercept)

𝑏𝑏 : parameter regresi (slope)

t : variabel bebas (independent variable) atau periode waktu

sedangkan :

𝑎𝑎 = - ................................................................................................(3)

12

𝑏𝑏 = ........................................................................(4)

Keterangan :

N : Jumlah Data

dt : Permintaan

t : Periode Waktu

𝑎𝑎 : Parameter Regresi (intercept)

𝑏𝑏 : Parameter Regresi (slope)

Jika hubungan Antara x dan y membentuk garis lurus, maka regresi ini disebut

regresi linier.

3. Siklis

Rumus yang digunakan dalam metode ini adalah :

..............................................(5)

...............................(6)

(7)

...(8)

Dengan N adalah jumlah periode dalam satu siklus.

4. Metode Moving Average

Metode ini menggunakan sejumlah data aktual permintaan yang baru untuk menilai

ramalan permintaan di masa yang akan datang. Metode rata-rata bergerak akan

13

efektif diterapkan bila kita dapat mengasumsikan (dari pola permintaan yg ada)

bahwa permintaan terhadap produk akan tetap stabil sepanjang waktu. Metode rata-

rata bergerak dinyatakan dengan notasi MA (M x N) dimana kita merata-ratakan M

periode MA dari N periode MA (Hartini,2010)

Tujuan utama penggunaan teknik ini adalah untuk mengurangi atau menghilangkan

variasi acak permintaan dengan hubungannya dengan waktu tujuan ini didapatkan

dengan cara merata-ratakan beberapa nilai secara bersamaan dan menggunakan

nilai rata-rata tersebut sebagai ramalan periode yang akan datang. Moving average

diperoleh dengan merata-ratakan permintaan berdasarkan beberapa data di masa

lalu. Model ini dibagi menjadi beberapa metode, yaitu :

• Single Moving Average

Persamaaan : .......................................................(9)

Dimana:

dt’ : permintaan

dtt-n : permintaan periode sebelumnya

n : periode

• Weighted Moving Average

Model rata-rata bergerak ini lebih responsif terhadap perubahan, karena data dari

periode yang baru diberi pembobotan yang lebih besar.

Persamaan untuk metode ini adalah :

................................................................................(10)

Dengan C adalah pembobotan dengan ketentuan koefisien pembobotan adalah :

14

Tabel 2.1. Koefisien Pembobotan WMA Periode (bulan) Koefisien Pembobit WMA (N)

1 periode yang lalu N2 periode yang lalu N - 13 periode yang lalu N - 2... ...... ...N - 1 periode yang lalu N -(N-2) =2N Periode yang lalu N - (N-1) = 1Jumlah 𝛴𝛴Ci (i = 1,2,...N)

• Double Moving Average

Cara melakukan peramalan dengan metode ini adalah :

1. Menghitung single moving average dari data dan dinotasikan dengan St’.

2. Menghitung moving average kedua, yaitu moving average dari St’,

dinotasikan dengan St’’.

3. Hitung komponen trend at dengan rumus :

at = St’ + (St’ – St,,) = 2St’ – St’’

4. Hitung komponen trend bt dengan rumus :

bt = .................................................................(11)

5. Peramalan untuk periode kedepan (dt’) setelah t adalah :

Ft+m = at + bt . m........................................................................................(12)

5. Exponential Smoothing

Metode ini mencoba untuk mendekatkan keadaan peramalan dengan kenyataan.

Pendekatan pada dasarnya adalah untuk menggabungkan tingkat pemulusan

(smoothing) tambahan. Metode ini dibagi menjadi dua macam, yaitu single

eksponensial smoothing dan double exponential smoothing.

Single exponential smoothing memiliki persamaan sebagai berikut :

dt' = αdt + (1-α)dt-1’.................................................................................................................................................(13)

Sedangkan untuk menghitung double exponential smoothing melalui langkah-

langkah berikut :

• Buat exponential smoothing pertama yaitu St’ = αdt + (1 – α)St-1’...........(14)

15

• Buat exponential smoothing kedua yaitu St” = αSt’ + (1-α)St-1”...............(15)

• Hitung komponen at = 2St’ – St”.................................................................(16)

• Hitung komponen bt = .......................................(17)

• Ramalan untuk m periode ke depan = Ft+m = at + bt (m)..........................(18)

apabila pola historis dari data aktual sangat bergejolak dan tidak stabil, dari waktu

kewaktu, maka nilai α yang adalah mendekati 1. Pada umumnya dipilih nilai 0.9,

namun dapat juga digunakan nilai-nilai yang lainnya. Semakin tidak stabil data,

maka nilai yang dipilih semakin mendekati 1.

b. Kasual Methode (Metode Sebab Akibat)

1. Metode regresi linier

Dimana:

ā : koefisien pembobot Antara 0 dan 1

dt’ : permintaan periode sekarang

dtt-1 : permintaan periode sebelumnya

dt't-1 :

..............................................................................................(19)

2.1.6. Ukuran kesalahan peramalan

Suatu metode peramalan dikatakan baik dan dipilih sebagai metode yang paling

tepat apabila memiliki tungkat kesalahan peramalan terkecil. Sebelum menerapkan

penggunaan suatu metode untuk peramalan, terlebih dahulu dilakukan pengujian

tingkat ketelitian metode yang menjadi pilihan yang kelak akan digunakan. Ini

deperlukan agar metode yang dipilih menghasilkan kesalahan terkecil di antara

metode alternatif itu.

Metode-metode yang dapat digunakan untuk mengukur tingkat kesaahan adalah

(Hartini,2010):

16

1. Mean Squared Error (Nilai Tengah Kesalahan Kuadrat/MSE)

.......................................................................(20)

Keterangan: n : jumlah data

dt : Permintaan

dt’ : Peramalan

t : Periode Waktu

2. Standard Error of Estimated (Standar Estimasi Kesalahan/SEE)

.......................................................................(21)

Keterangan: n : Jumlah Data

dt : Permintaan

dt’ : Peramalan

t : Periode Waktu

f : Derajat kebebasan (1,2,3,….,n)

3. Mean Absolute Percentage Error (Nilai Tengah Kesalahan Persentase/MAPE)

...................................................................................(22)

Keterangan: n : Jumlah Data

t : Periode Waktu

|PE| : Absolute Persentase Kesalahan/Error

17

4. Mean Error (ME) atau Bias (Vollmann,2005)

Hasil dari ME mungkin negatif. Berikut rumus perhitungannya :

.......................................................................................(23)

5. Mean Absolute Error (MAE) (Vollman,2005)

................................................................................(24)

2.1.7. Verifikasi Metode

Verifikasi metode peramalan dilakukan untuk mengetahui apakah hasil peramalan

dapat digunakan atau tidak. Cara verifikasi dapat dilakukan dengan memplot hasil

MRt dengan batas atas dan batas bawahnya. Berikut formulanya :

...........................................................................................(25)

MRt = | (dt’-dt) – (d’t-1-dt-

1)|..................................................................................(26)

Dengan UCL (Upper Control Limit) = +2.66MR

Dan LCL (Lower Control Limit) = - 2.66 MR

Hasil peramalan apat dikatakan out of control jika :

1. Ada titik diluar UCL atau LCL.

2. Dari 3 titik berturut-turut ada 2 titik atau lebih berada di area 2/3 UCL atau 2/3

LCL.

3. Dari 5 titik berturut-turut ada 4 titik atau lebih berada di area1/3 UCl atau 1/3

LCL.

4. Ada 8 titik berturut-turut berada di salah satu sisi.

18

2.1.8. Validasi Metode

Validasi metode dilakukan dengan cara uji tracking signal. Tracking signal adalah

suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nlai-nilai aktual.

Tracking signal positif menunjukkan bahwa nilai aktual permintaan lebih besar

daripada nilai ramalannya, sedangkan nilai tracking signal negative menunjukkan

sebaliknya. Suatu tracking signal yang baik memiliki nilai Running Sum of the

Forecast Error (RSFE) yang rendah, sehingga pusat dari tracking signal mendekati

nol (Hartini,2010)

• Uji Tracking Signal-Brown

Batas-batas nilai tracking signal Brown adalah ±4 sampai ±6, namun yang sering

digunakan adalah ±4. Formula dari tracking signal ini adalah :

.....................................................................................(27)

...........................................................................................(28)

.......................................................................................(29)

• Uji Tracking Signal-Trigg

...........................................................................(30)

Batas bawah dan atas tracking Signal metode ini adalah ±1.

19

BAB III

METODOLOGI PENELITIAN

Agar pembahasan tugas akhir ini lebih terarah dan sitematik, sehingga mudah

untuk dipahami, maka penulis akan memberikan tahapan-tahapan pemecahan

masalah dan menyajikannya dengan membuat kerangka penyelesaian masalah.

Adapun tahapan-tahapan tersebut adalah sebagai berikut:

Selesai

Simpulan dan Saran

Perhitungan dan Analisis

Pengumpulan Data

Studi Pustaka

- Tracking Signal- Verifikasi metode peramalan- SEE, MSE. MAPE, MAE, ME- Pola Siklis- Exponential Smoothing- Moving Average- Arithmatic Average- Last Period Demand

Observasi

Mulai

- Data Solution Rate- Data Kapasitas Aktual- Data Permintaan Tahun 2013

Identifikasi Masalah

Gambar 3.1. Alur Metodologi Penelitian

20

3.1. Observasi

Observasi awal dilakukan pada seluruh proses pengetesan kandungan bahan kimia

yang ada di Laboratorium Kimia PT. XYZ. Proses pengetesan kandungan bahan

kimia dimulai dari penerimaan sampel, proses scraping, preparasi sample, analisis

sampel sampai penyampaian hasil kepada customer. Dari beberapa jenis

pengetesan yang ada di Laboratorium Kimia, dipilih pengetesan kandungan logam

berat yang memiliki jumlah sampel paling banyak dan sering tidak mampu

memenuhi kebutuhan pelanggan. Proses pengetesan kandungan logam berat

dimulai dengan proses penerimaan sampel, kemudian proses breakdown sample,

scraping sample, dilanjutkan proses preparasi sample dengan proses digestion,

analisis sampel dengan mesin ICP, pelaporan hasil analisis kepada pelanggan.

Penelitian dipusatkan pada proses scraping sample, karena proses inilah yang

membutuhkan sumber daya operator paling banyak. Observasi juga dilakukan

untuk menemukan gejala masalah atau indikasi terjadinya permasalahan. Observasi

dilakukan secara langsung dan tidak langsung. Observasi secara langsung

dilakukan dengan nmengamati proses pengetesan kandungan logam berat dari

sampel diterima sampai proses selesai. Observasi tidak langsung dilakukan dengan

cara mempelajari data-data yang ada di Laboratorium Kimia PT. XYZ.

3.2. Identifikasi Masalah

Identifikasi masalah merupakan langkah awal dalam menentukan objek

permasalahan. Dengan melakukan tinjauan langsung ke Laboratorium Kimia, maka

akan didapatkan informasi permasalahan pada tempat yang bersangkutan. Dari

beberapa permasalahan ini kemudian ditetapakan satu masalah untuk dirumuskan

dan dibahas.

Pada skripsi ini masalah yang akan dibahas adalah tidak adanya metode peramalan

yang digunakan untuk meramalkan permintaan pengetesan logam berat pada

periode berikutnya, sehingga tidak dapat diprediksi kebutuhan sumber daya untuk

memenuhi kebutuhan pelanggan pada periode selanjutnya. Hal ini juga menjadi

salah satu penyebab permintaan pelanggan tidak dapat dipenuhi sesuai keinginan

pelanggan.

21

Sebagai tolak ukur dalam melakukan penelitian ini adalah kapasitas sumber daya

yang ada saat ini dibandingkan dengan perkiraan kebutuhan sumber daya pada

periode 2014 yang telah diramalkan dengan metode peramalan yang telah dipilih.

3.3. Studi Pustaka

Untuk membantu penulis dalam melakukan penelitian ini, maka ada beberapa teori

umum yang digunakan serta beberapa software dalam penghitungan dan

pengolahan data yang didapat. Studi pustaka dilakukan untuk mendapatkan

penyelesaian-penyelesaian teknis dari permasalahan. Studi pustaka juga dapat

menjadi penguat dari metode-metode yang diterapkan. Dengan melakukan studi

pustaka, penulis dapat memperoleh dukungan teori untuk penelitian yang

dilakukan. Studi pustaka mulai dilakukan pada tahap identifikasi masalah. Penulis

dapat mempelajari serta mengidentifikasi data-data dari observasi, sehingga dapat

diambil keputusan tentang metode penyelesaian masalah yang akan digunakan.

Studi pustaka yang penulis bahas di dalam skripsi ini adalah teori-teori umum

mengenai perencanaan produksi, teknik peramalan dan juga teori-teori yang

diberikan selama masa perkuliahan. Sedangkan software yang digunakan untuk

mempermudah dalam pengolahan data adalah Microsoft Excel.

3.4. Pengumpulan dan Pengolahan Data

Data pada penelitian ini diambil dalam periode Januari 2013 sampai Desember

2013. Data tersebut diambil dari pengarsipan administrasi laboratorium Kimia PT.

XYZ. Data-data yang dikumpulkan antara lain:

3.4.1. Data Permintaan Pengetesan Logam Berat

Data permintaan pengetesan logam berat yang diambil adalah data periode Januari

2014 sampai Desember 2013.

3.4.2. Data Kapasitas Aktual Operator Scraping

Data kapasitas atau kemampuan aktual operator scraping diperoleh dari penelitian

dan percobaan perencanaan kapasitas yang telah dilakukan oleh pihak laboratorium

sebelumnya.

22

3.4.3. Data Solution Rate

Data solution rate adalah konversi dari LER menjadi solution untuk memudahkan

perhitungan kapasitas yang dibutuhkan. Data solution rate yang diambil adalah

data solution rate periode Januari 2013 sampai Desember 2013.

3.4.4. Teknik Pengumpulan Data

Teknik-teknik pengumpulan data yang dilakukan dalam penelitian ini adalah:

1. Wawancara, wawancara dalam penelitian ini dilakukan kepada supervisor, dan

operator langsung. Wawncara ini dilakukan untuk mengetahui proses yang

seharusnya dan aktual proses yang dilakukan di lapangan.

2. Dokumentasi atau pengambilan data dari arsip Laboratorium yang ada. Data

yang diambil adalah data permintaan pengetesan kandungan logam berat pada

Januari 2013 sampai Desember 2013.

3. Tinjauan Pustaka

Adalah teori-teori yang digunakan dalam penyelesaian masalah pada penelitian

ini. Dimana teori-teori ini sudah dijabarkan pada BAB II studi pustaka.

3.4.5. Sumber Data

Dari teknik pengumpulan data yang telah dilakukan oleh penulis, maka sumber

sumber data dapat dikelompokkan menjadi:

1. Data Primer

Data primer adalah data yang diperoleh dari hasil wawancara langsung kepada

operator dan supervisor Laboratorium Kimia PT. XYZ. Yang termasuk ke

dalam data primer adalah proses kerja pengetesan kandungan logam berat.

2. Data Sekunder

Data sekunder adalah data-data yang diperleh dari data-data yang sudah ada

sebelumnya. Data-data ini biasanya berasal dari arsip-arsip Laboratorium.

Yang termasuk data sekunder dalam penelitian ini adalah:

• Data permintaan pengetesan kandungan logam berat periode Januari 2013

hingga Desember 2013.

• Data kapasitas aktual operator scraping.

• Data solution rate.

23

3.5. Perhitungan dan Analisis

3.5.1. Perhitungan

Perhitungan data dilakukan dengan melakukan teknik peramalan dengan berbagai

metode yaitu Double Moving Average, Weighted Moving Average, Exponential

Smoothing, dan pola siklis. Perhitungan juga mencakup perhitungan ukuran

kesalahan dengan menggunakan MSE (Mean Squared Error/nilai rata-rata

kesalahan kuadrat ), SEE (Standard Estimated of Error/standar estimasi kesalahan)

dan MAPE (Mean Percentage Error/nilai rata-rata presentase kesalahan)

3.5.2. Analisis

Analisis data dilakukan dengan melakukan analisis kesalahan metode peramalan,

kemudian memilih metode peramalan yang memiliki ukuran kesalahan paling

rendah kemudian melakukan uji verifikasi dan tracking signal serta validasi metode

peramalan. Analisis juga mencakup perbandingan kapasitas sumber daya yang ada

saat ini dengan perkiraan permintaan periode 2014 yang telah diramalkan.

3.6. Simpulan dan Saran

Merupakan tahap akhir dari penelitian. Yaitu memberikan kesimpulan dan saran

berdasarkan hasil dari perhitungan dan analisis data yang telah dilakukan agar

permasalahan dapat teratasi. Simpulan yang didapatkan diharapkan mampu

menjawab semua tujuan yang telah ditetapkan dalam penelitian serta mampu

memberikan konstribusi kepada Laboratorium Kimia PT. XYZ. Saran yang

diberikan diharapkan dapat menjadi acuan dan bahan pertimbangan jika kan

dilakukan penelitian yang lebih lanjut.

24

BAB IV

DATA DAN ANALISIS

4.1. Data

Ada dua garis besar permintaan pengetesan yang dilayani oleh Laboratorium Kimia

PT. XYZ, yaitu pengetesan kandungan Logam Berat atau Heavy Element dan

kandungan Phthalate atau Plastiziser. Secara garis besar, Laboratorium PT. XYZ

melayani dua pelanggan, yaitu Departemen Incoming Quality Control (IQC) dan

Departemen Quality Contro (QC). Sample yang berasal dari IQC disebut sample

incoming dan berwujud raw matererial atau bahan baku, sedangkan sampel yang

berasal dari QC berupa barang jadi yang disebut Product Qualification (PQ), dan

barang stengah jadi yang disebut Bi-Weekly sampel. Pada penelitian ini akan

difokuskan pada pemilihan metode pramalan untuk permintaan pengetesan

kandungan logam berat dari berbagai macam jenis sampel.

Untuk melakukan peramalan, maka diperlukan adanya data permintaan pada

periode sebelumnya. Berikut data permintaan pengetesan kandungan bahan kimia

di Laboratorium Kimia PT. XYZ selama periode 2013.

Tabel 4.1. Data Permintaan Pengetesan Kandungan Bahan Kimia Periode 2013

Bulan Heavy Element (LER)

Incoming Bi-Weekly PQ Jan-13 1850 341 74 Feb-13 1619 366 51 Mar-13 1610 410 44 Apr-13 2149 472 64 Mei-13 1969 474 80 Jun-13 1903 457 39 Jul-13 2041 474 52

Agust-13 1145 361 21 Sep-13 1628 357 54 Okt-13 1380 339 31 Nop-13 1139 290 26 Des-13 1395 317 24

25

4.2. Perhitungan Peramalan

Setelah data-data yang diperoleh dan disajikan maka pada bab ini selanjutnya

adalah menganalisa dan membahas masalah yang diteliti. Adapun

penganalisaannya sebagai berikut: Data permintaan dari tahun 2013 dapat dibuat

sebagai suatu peramalan permintaan untuk periode yang akan datang (tahun 2014).

Untuk menentukan jenis data yang ada, maka data akan di plot terlebih dahulu

untuk menentukan metode yang dapat digunakan. Berikut diagram pencar sebaran

data permintaan periode 2013.

Gambar 4.1. Diagram Pencar Permintaan Pengetesan Sampel Incoming

Gambar 4.1. Diagram Pencar Permintaan Pengetesan Sampel Bi-Weekly

26

Gambar 4.3. Diagram Pencar Permintaan Pengetesan Sampel PQ

Dari diagram pencar diatas, dapat diketahui bahwa sebaran permintaan pengetesan

kandungan logam berat adalah siklis. Untuk itu, metode peramalan yang digunakan

adalah :

1. Moving Average(Double dan Weighted)

2. Exponential Smoothing

3. Pola Siklis

Sedangkan perhitungan ukuran kesalahan yang digunakan dalam pemilihan metode

peramalan yang terbaik adalah sebagai berikut:

1. Mean Squared Error (Nilai Tengah Kesalahan Kuadrat/MSE)


3. Mean Percentage Error (Nilai Tengah Kesalahan Persentase/MAPE)

4. Mean Error (rata-rata kesalahan)

5. Mean absolute Error (Rata-rata kesalahan mutlak)

Kemudian akan dilakukan verifikasi metode dengan cara tracking signal serta

validasi metode. Perhitungan ukuran kesalahan metode digunakan untuk memilih

metode mana yang paling tepat. Sedangkan verifikasi metode dilakukan unuk

memastikan jika metode tersebut tepat untuk digunakan.

Pemilihan metode peramamlan akan dikelompokkan menurut jenis permintaan

pengetesan dan stasiun sampel berasal.

27

1. Weighted Moving Average (WMA) 4

WMA 4 dilakukan dengan cara memberikan pembobotan pada data permintaan

aktual 4 bulan terakhir. Peramalan dimulai pada bulan Mei, sistem pembobotannya

adalah data aktual pada bulan April dikalikan 4, bulan Maret 3, Februari 2 dan

bulan Januari 1. Sehingga jika bobot dijumlahkan adalah 10, jumlah bobot ini

digunakan untuk membagi hasil penjumlahan data aktual yang telah dikalikan

bobotnya. Begitu juga untuk bulan-bulan selanjutnya. Berikut contoh perhitungan

peramalan dengan metode WMA 4 untuk bulan Mei untuk incoming :

d4’ =( (d4-1 x 4 ) + (d4-2 x 3) + (d4-3 x 3) + (d4-3 x 1))/10

=( (2149 x 4) + (1610 x 3) + (1619 x 2) + (1850 x 1))/10

= 1851.4

Berikut hasil peramalan dengan metode WMA 4:

Tabel 4.2. Perhitungan Peramalan Permintaan Metode WMA 4

Periode Waktu

(t) Bulan

Permintaan (dt) (LER) Forecast demand (dt') (LER)

Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ

1 Jan-13 1850 341 58 2 Feb-13 1619 366 42 3 Mar-13 1610 410 25 4 Apr-13 2149 472 41 5 May-13 1969 474 30 1851.4 38,1 38,1 6 Jun-13 1903 457 38 1916.2 33,5 33,5 7 Jul-13 2041 474 51 1942.7 34,9 34,9 8 Aug-13 1145 361 13 1996 41,9 41,9 9 Sep-13 1628 357 28 1647.8 31,1 31,1

10 Oct-13 1380 339 21 1593.2 29,1 29,1 11 Nov-13 1139 290 17 1473.5 24,5 24,5 12 Dec-13 1395 317 24 1309.7 20 20

2. Double Moving Average (DMA)

Merupakan lanjutan dari Single Moving Average. Untuk menghitung metode

Double Moving Average, maka harus menghitung Single Moving Average terlebih

28

dahulu. Contoh perhitungan peramalan dengan metode Double Moving Average

untuk sampel Bi-Weekly pada bulan Juni:

dt’ : a t-1 + bt-1

at : St’ + (St’-St”)

bt : (2/(n-1)) x (St’-St”)

Dengan St’ : hasil dari Single Moving Average pertama

Dan St” : hasil dari Single Moving Average kedua.

Sehingga perhitungan peramalan untuk bulan Juni adalah :

dt’ : (441 + (441-370.75)) + ((2/19) x (441 – 370.75) = 519

Berikut perhitungan peramalan dengan metode Double Moving Average untuk

masing-masing jenis sampel.

Tabel 4.3. Perhitungan Peramalan Permintaan Metode Double Moving Average

Periode Waktu

(t)

Permintaan (dt) Bulan

Permintaan (dt) (LER) Forecast demand (dt') (LER)

Incoming Bi-Weekly PQ Incoming Bi-

Weekly PQ

1 1850 Jan-13 1850 341 58 2 1619 Feb-13 1619 366 42 3 1610 Mar-13 1610 410 25 4 2149 Apr-13 2149 472 41 5 1969 May-13 1969 474 30

6 1903 Jun-13 1903 457 38 2106 519 23 7 2041 Jul-13 2041 474 51 2404 538 38 8 1145 Aug-13 1145 361 13 1899 475 34 9 1628 Sep-13 1628 357 28 1944 461 55

10 1380 Oct-13 1380 339 21 1194 364 24 11 1139 Nov-13 1139 290 17 949 268 1 12 1395 Dec-13 1395 317 24 1520 304 23

3. Metode Exponential Smoothing

Metode exponential smoothing juga menjadi dua metode, yaitu metode single

exponential dan double exponential smoothing. Untuk metode double exponential

smoothing dibagi lagi menjadi metode Browns dan metode Holt.

29

A. Single Exponential Smoothing(SES)

Perhitungan untuk metode Single Exponential Smoothing adalah dengan mencari

koefisien α, koefisien ini tergantung pada jumlah sampel. a dikalikan dengan

permintaan aktual kemudian hasilnya dijumlah dengan hasil dari 1 dikurang α

dikalikan dengan peramalan pada periode sebelumnya.

dt’ : (α x dt)+((1-α) x (dt’-1)

Contoh perhitungan peramalan pada bulan Februari Bi-Weekly adalah

dt’ : (0.2 x 366) + ( 0.8 x 341)

Sehingga hasil perhitungan peramalan dengan metode single exponential

smoothing dengan asumsi α = 2 adalah:

Tabel 4.4. Perhitungan Peramalan Permintaan Metode Single exponential Smoothing

Periode Waktu

(t)

Bulan Permintaan (dt) (LER) Forecast Demant (α =0.2)

(LER) Incomi

ng Bi-

Weekly PQ Incoming Bi-

Weekly PQ 1 Jan-13 1850 341 58 1850 341 58 2 Feb-13 1619 366 42 1804 346 55 3 Mar-13 1610 410 25 1765 359 49 4 Apr-13 2149 472 41 1842 381 47 5 May-13 1969 474 30 1867 400 44 6 Jun-13 1903 457 38 1874 411 43 7 Jul-13 2041 474 51 1908 424 44 8 Aug-13 1145 361 13 1755 411 38 9 Sep-13 1628 357 28 1730 400 36

10 Oct-13 1380 339 21 1660 388 33 11 Nov-13 1139 290 17 1556 369 30 12 Dec-13 1395 317 24 1524 358 29

B. Double Exponential Smoothing-Brown

Cara perhitungan metode peramalan ini cukup rumit. Berikut contoh perhitungan

peramalan sampel Bi-Weekly dengan metode ini pada bulan Maret adalah :

dt’ : (St-1’ – (α x St-1’ + ((1 - α) x St-1”-1))) + (dt-1 – St-1’)

30

dengan St’ adalah hasil dari Single Moving Average. Sehingga contoh perhitungan

peramalan untuk bula Maret adalah :

dt’ : (346 – 342) + (366 – 346) = 370

Sehingga hasil perhitungan peramalan dengan metode double exponential

smoothing-Browns dengan asumsi α = 2.

Tabel 4.5. Perhitungan Peramalan Permintaan Metode Double Exponential

Smoothing-Brown

Periode

Waktu (t)

Bulan

Permintaan (dt) (LER) Forecast Demant (α =0.2) (LER)

Incoming

Bi-Weekl

y PQ

Incoming

Bi-Weekly

PQ

1 Jan-13 1850 341 58 2 Feb-13 1619 366 42 3 Mar-13 1610 410 25 1582 370 39 4 Apr-13 2149 472 41 1549 423 18 5 May-13 1969 474 30 2162 501 34 6 Jun-13 1903 457 38 2000 512 22 7 Jul-13 2041 474 51 1933 496 31 8 Aug-13 1145 361 13 2092 516 46 9 Sep-13 1628 357 28 1064 384 4

10 Oct-13 1380 339 21 1543 367 19 11 Nov-13 1139 290 17 1256 337 12 12 Dec-13 1395 317 24 956 273 7

C. Double Exponential Smoothing-Holt

Contoh perhitungan peramalan dengan metode Double Exponential Smoothing-

Holt pada bulan Februari dengan α = 0.2 dan y = 0.3 adalah :

dt’ : pemulusan St + Trend St

pemulusan St : ((α x dt) + ((1-α)x (pemulusan St-1 – Trend St-1)))

Trend St : ((y x (pemulusan St – pemulusan St-1) + ((1-y) x trend St-1))

Jadi untuk dt2 adalah : ((0.2 x 366) + (0.8 x (341 – 44))) + ((0.3 x (311 – 341)) +

0.7 x 44)) = 333.

Berikut hasil perhitungan peramalan untuk metode Double exponential smoothing -

Holt.

31

Tabel 4.6. Perhitungan Peramalan Permintaan Metode Double Exponential Smoothing-Holt

T Bulan Permintaan (dt) (LER) Forecast Demant (α =0.2, y = 0.3)

(LER)

Incoming Bi-Weekly PQ Incoming Bi-

Weekly PQ

1 Jan-13 1850 341 58 1850 385 58 2 Feb-13 1619 366 42 1681 333 54 3 Mar-13 1610 410 25 1621 330 47 4 Apr-13 2149 472 41 1709 350 48 5 Mei-13 1969 474 30 1728 364 45 6 Jun-13 1903 457 38 1735 371 45 7 Jul-13 2041 474 51 1775 382 49 8 Agust-13 1145 361 13 1624 362 43 9 Sep-13 1628 357 28 1606 355 37

10 Okt-13 1380 339 21 1552 348 33 11 Nop-13 1139 290 17 1476 332 30 12 Des-13 1395 317 24 1483 332 30

4. Pola Siklis

Jika permintaan di plot ke dalam diagram pencar, maka dapat dilihat bahwa pola

permintaan pengetesan berupa pola siklis. Dari gambar 4.1, 4.2, dan 4.3, diketahui

bahwa masing-masing jenis sampel merupakan pola siklis dengan 6 periode.

Sehingga perhitungan peramalan menggunakan rumus sinus dan cosinus 60.

Berikut contoh perhitungan pola siklis untuk sampel Incoming pada bulan

Februari.

dt’ : a + (b sin 60t) + (c cos 60t)

dari perhitungan didapatkan persamaan untuk sampel Incoming :

12a + 0b + 0c = 19828

0a + 6b + 0c = 413

0a + 0b + 5.9999c = 15.588

Sehingga didapatkan :

a = 1652.33

b = 68.83

c = 2.598

jadi peramalan untuk sampel Incoming pada bulan Februari adalah:

32

dt’ : 1652.33 + (68.83 x sin(60 x 2)) + (2.598 x cos(60 x 2)) = 1620.

Dengan cara yang sama, didapatkan persamaan-persamaan untuk sampel Bi-

Weekly dan PQ sebagai berikut:

Bi-Weekly :

12a + 0b + 0c = 4658

0a + 6b + 0c = 27.5

0a + 0b + 6c = -28.578

a = 388.17

b = 4.58

c = -4.76

Persamaan PQ :

12a + 0b + 0c = 4658

0a + 6b + 0c = 27.5

0a + 0b + 6c = -28.578

a = 32.3

b = 4.75

c = 7.94

Sehingga dari perhitungan persamaan tersebut didapatkan hasil peramalannya :

Tabel 4.7. Perhitungan Peramalan Permintaan Metode Pola Siklis

T Bulan Permintaan (dt) (LER) Forecast Demant (LER)

Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ

1 Jan-13 1850 341 58 1689 386 42 2 Feb-13 1619 366 42 1620 382 37 3 Mar-13 1610 410 25 1584 384 28 4 Apr-13 2149 472 41 1616 390 23 5 Mei-13 1969 474 30 1685 395 28 6 Jun-13 1903 457 38 1721 393 37 7 Jul-13 2041 474 51 1689 386 42 8 Agust-13 1145 361 13 1620 382 37 9 Sep-13 1628 357 28 1584 384 28

10 Okt-13 1380 339 21 1616 390 23 11 Nop-13 1139 290 17 1685 395 28 12 Des-13 1395 317 24 1721 393 37

33

4.3. Perhitungan Ukuran Kesalahan

Untuk menentukan metode peramalan yang akan digunakan, maka dilakukan

perhitungan ukuran kesalahan. Pada penelitian ini, perhitungan kesalahan

dilakukan denngan beberapa metode, yaitu :

1. Mean Squared Error (Rata-Rata Kesalahan Kuadrat/MSE)

Nilai tengah kesalahan kuadrat diperoleh dengan menjumlahkan hasil kuadrat dari

pengurangan permintaan aktual dan hasil peramalannya kemudian dibagi dengan

jumlah periode waktunya. Sehingga didapatkan MSE untk masing-masing sampel

adalah: Tabel 4.8. Nilai MSE

Metode Jenis Sampel Incoming Bi-Weekly PQ

WMA (4) 76073,38 2299,16 110,65 DMA 77321,39 2753,00 152,40 SES 69377,90 3000,09 171,05 DES-Brown 155508,16 3148,61 285,01 DES-Holt 31,68 4391,55 192,02 Pola Siklis 100859,42 3850,37 54,57


SEE diperoleh dari akar kuadrat jumlah kuadrat pengurangan permintaan aktual

dengan peramalan dibagi dengan jumlah periode waktu dikurangi dengan derajat

kebebasan. Dikarenakan permintaan merupakan jenis siklis, maka derajat

kebebasannya adalah 3. Dari perhitungan tersebut diperoleh nilai SEE untuk

masing-masing sampel adalah: Tabel 4.9. Nilai SEE



34

3. Mean Percentage Error (Rata-Rata Kesalahan Persentase/MAPE)

Nilai tengah kesalahan presentase atau MAPE diperoleh dari jumlah nilai mutlak

presentase pengurangan permintaan aktual dengan peramalan. Dengan perhitungan

tersebut didapatkan nilai MAPE untuk masing-masing sampel dengan masing-

masing metode adalah: Tabel 4.10. Nilai MAPE



4. Mean Error (rata-rata kesalahan)

Mean error atau rata-rata kesalahan merupakan nilai rata-rata dari pengurangan

permintaan aktual dengan peramalan. Nilai rata-rata keslahan yang diperoleh untuk

mssing-masing sampel adalah: Tabel 4.11. Nilai Mean Error


WMA (4) -94,21 -19,46 -2,59 DMA -115,38 -27,78 -0,48 SES -108,83 5,74 -9,78 DES-Brown 18,54 -19,01 4,56 DES-Holt -1,62 38,35 -10,94 Pola Siklis -13,42 3,78 -0,68

5. Mean absolute Error (Rata-rata kesalahan mutlak)

Mean absolute error atau rata-rata mutlak merupakan nilai mutlak dari rata-rata

kesalahan. Sehingga cara perhitungannya sama. Berikut nilai rata-rata mutlak untuk

masing-masing sampel:

35

Tabel 4.12. Nilai Rata-Rata Mutlak



4.4. Analisis

4.4.1. Analisis Kondisi Saat Ini

Saat ini, Laboratorium Kimia PT. XYZ memiliki 19 operator scraping, dengan

pembagian tugas yaitu 6 orang untuk analisis kandungan Phthalate, dan 13 scraper

untuk analisis kandungan logam berat. Untuk melakukan perhitungan kapasitas,

atau kemampuan scraper, dapat dilakukan dengan cara mengalikan jumlah scraper

dengan kemampuan scraper per jam, jam efektif kerja perhari dan jumlah hari

kerja. Pola kerja yang ada di Laboratoriun Kimia PT. XYZ adalah 2 shift 6 hari

kerja, jam efektif kerja adalah 14 jam dalam sehari. Sedangkan kemampuan

scraper dalam 1 jam adalah sebanyak 1 solution. Sebagai contoh perhitungan

kemampuan scraper pada bulan April adalah : 14 x 13 x 25 = 4550, 25 adalah

jumlah hari kerja pada bulan April. Tabel 4.13. Kapasitas Scraper Tiap Bulan

Bulan Hari Kerja

Efektif

Kapasitas Per Bulan

Jan-14 24 4368 Feb-14 24 4368 Mar-14 21 3822 Apr-14 25 4550 Mei-14 23 4186 Jun-14 25 4550 Jul-14 22 4004

Agust-14 25 4550 Sep-14 26 4732 Okt-14 27 4914 Nop-14 25 4550 Des-14 25 4550

36

4.4.2. Analisis Usulan

4.4.2.1. Ukuran kesalahan Peramalan

Dari perhitungan peramalan dan perhitungan ukuran kesalahan yang telah

dilakukan untuk masing-masing jenis sampel, maka perbandingan ukuran

kesalahan untuk masing-masing metode dapat disimpulkan sebagai berikut:

a. Incoming Tabel 4.14. Ukuran kesalahan Peramalan Sampel Incoming

Metode Kesalahan MSE SEE MAPE ME MAE

WMA (4) 76073,38 318,48 11,50 -94,21 94,21 DMA 77321,39 321,08 12,74 -115,38 115,38 SES 69377,90 304,14 14,51 -108,83 108,83 DES-Brown 155508,16 455,35 18,39 18,54 18,54 DES-Holt 31,68 6,50 0,11 -1,62 1,62 Pola Siklis 100859,42 366,71 16,70 -13,42 13,42

Dari tabel, dapat dilihat bahwa ukuran kesalahan yang paling kecil dimiliki oleh

metode Double Exponential Smoothing-Holt. Untuk itu metode yang dipilih untuk

meramalakan sampel incoming periode selanjutnya adalah metode Double

Exponential Smooyhing=Holt

b. Bi-Weekly Tabel 4.15. Ukuran kesalahan Peramalan Sampel Bi-Weekly


WMA (4) 2299,16 55,37 9,00 -19,46 19,46 DMA 2753,00 60,59 8,93 -27,78 27,78 SES 3000,09 63,25 12,83 5,74 5,74 DES-Brown 3148,61 64,79 10,94 -19,01 19,01 DES-Holt 4391,55 76,52 11,58 38,35 38,35 Pola Siklis 3850,37 71,65 13,80 3,78 3,78

Dari tabel 4.15, dapat dilihat bahwa metode peramalan yang memiliki ukuran

kesalahan paling kecil adalah metode WMA 4 dan DMA. Untuk itu perlu

dibandingkan hasil peramalan dan aktual nya untuk menentukan metode mana

yang paling tepat untuk digunakan. Berikut perbandingan sebaran antara aktual

permintaan dan peramalan:

37

Gambar 4.4. Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-

Weekly Metode WMA 4

Gambar 4.5. Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-

Weekly Metode DMA

Dari gambar 4.4 dan 4.5, dapat dilihat bahwa peramalan dengan metode DMA,

mengikuti pola permintaan aktualnya, sedangkan pada WMA peramalan cenderung

memiliki perbedaan yang lebih signifikan dengan permintaan aktualnya. Sehingga

dapat dikatakan metode yang tepat untuk peramalan sampel Bi-Weekly adalah

metode DMA (Double Moving Average)

38

c. Product Qualification (PQ) Tabel 4. 16. Ukuran kesalahan Peramalan Sampel PQ


WMA (4) 110,65 12,15 33,60 -2,59 2,59 DMA 152,40 14,25 36,33 -0,48 0,48 SES 171,05 15,10 48,85 -9,78 9,78 DES-Brown 285,01 19,49 55,07 4,56 4,56 DES-Holt 192,02 16,00 52,33 -10,94 10,94 Pola Siklis 54,57 7,90 16,98 -0,68 0,68

Dari tabel 4.16 dapat dilihat metode yang memiliki ukuran kesalahan paling kecil

adalah metode pola siklis, maka metode inilah yang akan digunakan untuk

meramalkan permintaan pengetesan sampel PQ untuk periode 2014.

4.4.2.2. Verifikasi dan Validasi Metode Peramalan

Setelah menentukan metode peamalan yang tepat untuk masing-masing sampel

maka akan dilakukan peramalan untuk periode 2014. Namun sebelum dilakukan

peramalan, metode-metode tersebut harus diverifikasi dan validasi terlebih dahulu

untuk meyakinkan bahwa metode yang dipilih memang merupakan metode yang

tepat.

1. Verifikasi Metode

Verifikasi metode dilakukan dengan memplot hasil peramalan ke dalam diagram

pencar yang telah ditentukan batas atas dan batas bawahnya dan dengan

menggunakan peta tracking signal. Berikut verifikasi dan validasi metode yang

dipilih untuk masing-masing jenis sampel:

a. Incoming

Berikut hasil verifikasi untuk metode Double Exponential Smoothing-Holt

39

Gambar 4.6. Hasil Verifikasi Metode Double Exponential Smoothing-Holt

Berikut peta tracking signal untuk metode Double Exponential Smoothing-Holt

Gambar 4.7. Peta Tracking Signal Metode Double Exponential Smoothing-Holt

Dari hasil verifikasi dan tracking signal metode menggunakan tracking signal dapat

dilihat bahwa hasil peramalan tidak ada yang melampui batas atas dan batas bawah,

sehingga dapat dikatakan metode ini dapat digunakan untuk meramalkan

permintaan pengetesan sampel incoming periode 2014.

40

b. Bi-Weekly

Gambar 4.8. Hasil Verifikasi Metode DMA

Gambar 4.9. Peta Tracking Signal Metode DMA

Dari hasil verifikasi dan peta tracking signal untuk metode DMA, dapat dilihat

tidak ada metode yang melebihi batas atas, sehingga dapat dikatakan metode ini

dapat digunakan untuk meramalkan permintaan pengetesan untuk sampel Bi-

weekly periode 2014.

41

c. Product Qualification (PQ)

Gambar 4.10. Verifikasi Metode Pola Siklis

Gambar 4.11. Peta Tracking Signal Metode Pola Siklis

Dari hasil verifikasi dapat dilihat tidak ada hasil peramalan yang melebihi batas

atas atau kurang dari batas bawah. Namun jika melihat tracking sugnal, ada 3 data

yang kurang dari batas bawah. Namun data ini masih bisa dihilangkan, sehingga

metode ini dapat digunakan untuk meramalkan permintaan pengetesan sampel PQ

periode 2014.

42

2. Validasi Metode

Validasi metode dilakukan dengan cara memplot hasil peramalan dengan

permintaan aktual. Sehingga dapat dilihat perbedaan antara peramalan dan

permintaan aktual. Berikut hasil validasi untuk masing-masing metode :

Gambar 4.12. Validasi Double Exponential Smoothing

Dari grafik 4.12 dapat dilihat bahwa hasil peramalan polanya mengikuti pola

permintaan aktual. Sehingga metode Double Exponential Smoothing memang tepat

untuk sampel Incoming.

Gambar 4.13. Validasi Metode Double Exponential Smoothing

43

Dari grafik 4.13. dapat dilihat bahwa nilai hasil peramalan dengan metode Double

Exponential Smoothing memang memlebihi nilai permintaan aktual, namun pola

data dari peramalan mengikuti permintaan aktual, jadi metode ini juga tepat dipilih

untuk meramalkan sampel Bi-Weekly.

Gambar 4.14. Validasi Metode Pola Siklis

Dari grafik gambar 4.14, dapat dilihat jika pola peramalan mengikuti pola

permintaan aktual, sehingga metode pola siklis ini tepat digunakan untuk

meramalkan permintaan sampel Product Qualification (PQ).

4.4.3. Analisis Perbandingan

Dari perhitungan menentukan metode peramalan, didapatkan masing-masing

metode yang tepat untuk meramalkan permintaan pengetesan logam berat.

Sehingga dapat dihitung peramalan untuk periode 2014 untuk masing-masing

sampel. Berikut hasil peramalan untuk periode 2014.

44

Tabel 4.17 Hasil Peramalan Periode 2014

t Bulan Forecast Demand (dt') (LER)

Incoming Bi-Weekly PQ 13 Jan-14 1484.28 271 42 14 Feb-14 1494.42 298 37 15 Mar-14 1499.70 318 28 16 Apr-14 1502.44 319 23 17 Mei-14 1503.86 320 28 18 Jun-14 1504.60 321 37 19 Jul-14 1504.99 322 42 20 Agust-14 1505.19 323 37 21 Sep-14 1505.29 324 28 22 Okt-14 1505.35 325 23 23 Nop-14 1505.38 326 28 24 Des-14 1505.39 327 37

Dari data di atas didapatkan jumlah permintaan pengetesan untuk masing-masing

jenis sampel selama 1 tahun. Sehingga dapat diketahui kebutuhan kapasitas untuk

tiap bulannya. Perhitungan kebutuhan kapasitas untuk tiap bulannya dihitung

dengan Jumlah LER (Laboratory Evaluation Requrst) x Solution rate.

Solution rate adalah faktor konfersi untuk masing-masing sampel menjadi LER.

Faktor konfersi tersebut adalah Incoming 1.8; Bi-Weekly 3.7; dan PQ 18. Contoh

perhitungan kebutuhan kapasitas untuk tiap bulan pad bulan Januari, yaitu untuk

sampel Incoming : 1484.28 x 1.8 solution = 2672 solution, sampel Bi-Weekly :

1004 x 3.7 solution = 1004 solution, dan PQ : 42 x 18 solution = 749 solution. Jadi

kebutuhan kapasitas untuk tiap bulannya adalah :

Tabel 4.18 Kebutuhan Kapasitas Tiap Bulan

T Bulan Forecast Demand (dt') (LER) Solution Per Bulan (Solution) Jumlah (LER) Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ

13 Jan-14 1484.28 271 42 2672 1004 749 4424 14 Feb-14 1494.42 298 37 2690 1103 663 4456 15 Mar-14 1499.70 318 28 2699 1177 497 4373 16 Apr-14 1502.44 319 23 2704 1181 416 4301 17 Mei-14 1503.86 320 28 2707 1185 501 4393 18 Jun-14 1504.60 321 37 2708 1188 668 4564

45

Tabel 4.18 Kebutuhan Kapasitas Tiap Bulan (Lanjutan)

t Bulan Forecast Demand (dt') (LER) Solution Per Bulan (Solution) Jumlah (LER) Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ

19 Jul-14 1504.99 322 42 2709 1192 749 4649 20 Agust-14 1505.19 323 37 2709 1196 663 4568 21 Sep-14 1505.29 324 28 2710 1199 497 4405 22 Okt-14 1505.35 325 23 2710 1203 416 4328 23 Nop-14 1505.38 326 28 2710 1207 501 4417 24 Des-14 1505.39 327 37 2710 1210 668 4588

Berdasarkan perhitungan kapasitas operator yang telah dihitung di Laboratorium

Kimia didapatkan operator scraping mampu mengghasilkan 1 solution tiap satu

jam. Jadi dapat dihitung kapasitas scraper yang dimiliki dengan pola kerja saat ini

adalah : Hari Efektif Kerja x Jam Kerja Efektif x Jumlah scraper. Dalam hal ini

jumlah seluruh scraper saat ini adalah 19 orang dengan pembagian 13 orang untuk

analisis kandungan logam berat, dan 6 orang untuk analisis kandungan phthalate.

Berikut perbandingan kapasitas yang dibutuhkan dengan kapasitas yang tersedia

untuk tiap bulannya (dengan jam kerja normal tanpa over time) :

Tabel 4.19 Perbandingan Kapasitas Tiap Bulan

t Bulan Hari Kerja

Efektif

Solution Per Bulan Kapasitas Per

Bulan Incoming Bi-Weekly PQ Jumlah 13 Jan-14 24 2672 1004 749 4424 4368 14 Feb-14 24 2690 1103 663 4456 4368 15 Mar-14 21 2699 1177 497 4373 3822 16 Apr-14 25 2704 1181 416 4301 4550 17 Mei-14 23 2707 1185 501 4393 4186 18 Jun-14 25 2708 1188 668 4564 4550 19 Jul-14 22 2709 1192 749 4649 4004 20 Agust-14 25 2709 1196 663 4568 4550 21 Sep-14 26 2710 1199 497 4405 4732 22 Okt-14 27 2710 1203 416 4328 4914 23 Nop-14 25 2710 1207 501 4417 4550 24 Des-14 25 2710 1210 668 4588 4550

46

Dari tabel 4.19, dapat dilihat ada beberepa bulan dimana kapasitas yang dibutuhkan

lebih besar dari kapasitas yang tersedia. Yaitu pada bulan Januari dengan

kebutuhan kapasitas sebanyak 4424 solution sedang kapasitas tersedia 4368,

Februari dengan kebutuhan kapasitas 4456 solution kapasitas tersedia 4368

solution. Maret kebutuhan kapasitas 4373 solution, kapasitas tersedia 3822

solution. Mei kebutuhan kapasitas 4393 solution, kapasitas tersedia 4186 solution.

Juli dengan kebutuhan kapasitas 4649 solution dan kapasitas tersedia 4004

solution.Untuk itu harus diadakan perubahan pola kerja atau penambahan operator

pada bulan-bulan tersebut.

1. Penambahan Jam Kerja (Overtime)

Pola kerja saat ini adalah 2 shift 6 hari kerja 1 minggu, dengan jam kerja efektif 14

jam kerja. Untuk menambah kapasitas yang ada, jam kerja dapat ditambah dengan

melakukan overtime, yaitu maksimal 2 jam tiap harinya. Sehingga perbandingan

kapasitas menjadi :

Tabel 4.20 Perbandingan Kapasitas Setelah Penambahan Jam Kerja

T Bulan Hari Kerja

Efektif

Solution Per Bulan (LER) Kapasitas Per Bulan (LER) Incoming Bi-Weekly PQ Jumlah

13 Jan-14 24 2672 1004 749 4424 4992 14 Feb-14 24 2690 1103 663 4456 4992 15 Mar-14 21 2699 1177 497 4373 4368 17 Mei-14 23 2707 1185 501 4393 4784 19 Jul-14 22 2709 1192 749 4649 4576

Setelah dilakukan penambahan jam kerja, pada bulan Juli kapasitas yang dimiliki

masih kurang. Perhitungan biaya untuk alternatif berikut adalah:

Biaya overtime 2 jam : 2 x upah sejam

Upah lembur sejam : 1/173 x upah pokok sebulan

Upah lembur sejam : 1/173 x Rp 2814562,00 = Rp 16269,14

Sehingga upah lembur 2 jam untuk 13 orang : Rp 16269,14 x 2 x13 = Rp

422997,88

47

Jadi tambahan biaya jika menggunakan alternatif ini adalah Rp 422997,88 x jumlah

hari lembur (24 + 24 + 21 + 23 + 22 = 91) =Rp 38.492.796,00, atau sebesar 5.09%.

2. Perubahan Pola Kerja

Selain penambahan jam kerja (overtime), alternatif yang diusulkan adalah

perubahan pola kerja. Pola kerja yang diusulkan adalah 2 shift 5 hari kerja 1

minggu, dengan jam efektif kerja per harinya menjadi 18 jam pada bulan Januari,

Februari, Mei , Maret dan Juli. Sehingga perbandingan kapasitas nya menjadi :

Tabel 4.21 Perbandingan Kapasitas Setelah Perubahan Pola Kerja

T Bulan Hari Kerja

Efektif

Solution Per Bulan (Solution) Kapasitas Per Bulan (Solution) Incoming Bi-Weekly PQ Jumlah


Perbandingan biaya antara pola kerja saat ini dan pola kerja usulan adalah:

Upah kerja saat ini = (upah pokok per bulan + upah lembur) x jumlah scraper

= (Rp 2.814.562,00 + (71 x Rp 422.997,88) + (20 x 3 x Rp 422.997,88 )) x 13

= Rp 756.954.487,00

71 adalah jumlah hari kerja efektif dikurangi hari Sabtu yaitu 20 hari, karena

perhitungan lembur pada hari sabtu adalah 3 jam.

Pada pola kerja usulan, karena 1 minggu 5 hari kerja, maka tidak ada lembur untuk

hari Sabtu. Sehingga perhitungan upah kerja pola kerja usulan adalah :

Upah kerja pola usulan adalah : (Rp 2814562,00 + (91 x Rp 422997,88)) x 13

= Rp 427.016.235,9

Dengan alternatif ini, selain dapat menambah jumlah kapasitas, juga dapat

menghemat biaya tenaga kerja sebesar Rp 329.938.251,10 atau sebesar 43,59%.

48

3. Penambahan Jumlah Operator

Alternatif yang lain adalah dengan menambah jumlah operator pada bulan Januari,

Februari, Maret, Mei dan Juli. Berikut perbandingan kapasitas setelah dilakukan

penambahan 1 operator (scraper) pada bulan Januari, Februari dan Mei dan

penambahan 2 operator pada bulan Maret dan Juli.

Tabel 4.22 Perbandingan Kapasitas Setelah Penambahan Operator

T Bulan Hari Kerja

Efektif

Solution Per Bulan (LER) Kapasitas Per Bulan (LER) Incoming Bi-Weekly PQ Jumlah


Biaya tambahan yang dibutuhkan untk penambahan operator scraping adalah :

= (Biaya upah pokok per bulan + upah lembur) x tambahan scraper

= ((Rp 2814562,00 + (76 x Rp 422997.88) + (16 x 3 x Rp 422997,0)) + ((Rp

2814562,00 + (18 x Rp 422997.88) + (4 x 3 x Rp 422997,0)) = Rp 70.770.778,6

Tambahan biaya yang dibutuhkan adalah Rp 70.770.778,60 atau sebesar 9,35%.

Hasil dari beberapa alternatif yang diberikan dapat dirangkum dalam tabel berikut

ini:

Tabel 4.23. Perbandingan Alternatif

No Usulan Total Biaya Keterangan

1 Penambahan jam kerja (overtime) Rp 38.492.796,00 Membutuhkan tambahan biaya Rp

38.492.796,00 atau sebesar 5,09%

2 Perubahan pola kerja (shift) Rp 427.016.235,90

Dapat mengurangi biaya tenaga kerja sebanyak Rp 329.938.251,10 atau sebesar 43,59%

3 Penambahan operator scraping Rp 70.770.778,60

Membutuhkan tambahan biaya sebesar Rp 70.770.778,60 atau sebesar 9,35%

Dari tabel dapat dilihat bahwa alternatif yang pailng bagus adalah dengan

melakukan perubahan pola kerja.

49

BAB V

SIMPULAN DAN SARAN

4.5. Simpulan

Simpulan yang dapat diambil dari penelitian diatas adalah :

1. Metode peramalan yang tepat untuk permintaan pengetesan kandungan logam

berat di Laboratorium Kimia PT. XYZ unntuk masing-masing jenis sampel

adalah sampel Incoming menggunakan metode Double Exponential

Smoothing-Holt, sampel Bi-Weekly dengan Double Moving Average, dan

sampel Product Qualification (PQ) menggunakan Pola Siklis.

2. Pola kerja scraper saat ini tidak mampu memenuhi kebutuhan kapasitas

permintaan pengetesan pada bulan Januari, Februari, Maret, Mei dan Juli.

Alternatif yang dapat diambil antara lain penambahan jam kerja, perubahan

pola kerja pada bulan-bulan tersebut atau dilakukan penambahan operator.

Namun dari segi biaya, alternatif yang paling baik adalah perubahan pola

kerja.

4.6. Saran

Saran yang dapat penulis berikan untuk PT. XYZ atau penelitian selanjutnya antara

lain :

1. Perlu dilakukan proses peramalan setiap awal akhir periode untuk

merencanakan kebutuhan sumber daya pada periode berikutnya.

2. Perencanaan sumber daya pada penelitian ini hanya difokuskan pada

permintaan pengetesan kandungan logam berat, maka akan lebih baik jika

dilakukan penelitian perencanaan permintaan pengetesan untuk semua

kandungan bahan kimia.

50

3.

DAFTAR PUSTAKA

Biegel E, Jhon, (1992), Pengendalian Produksi, Akademika Pressindo.

Makridakis, Sypros, Alih Bahasa Ir. Untung, Sus Andriyanto M.sc.,(1971), Metode

dan aplikasi peramalan, Edisi Kedua, Erlangga, Jakarta.

Hartini, Sri, Teknik Mencapai Produksi optimal, Lubuk Agung, 2010,Bandung.

Vollmann, Thomas E.,Manufacturing Planning and Control for Supply Chain

Management Fifth edition, Mc Graw Hill, 2005.

Alda Raharja, dkk. Penerapan Metode Exponential Smoothing Untuk Peramalan

Penggunaan Waktu Telepon Di Pt.Telkomsel Divre3 Surabaya, 2014. Diambil

dari: http://blog.ub.ac.id/laylayoung/files/2013/10/sip1-2-ITS-Undergraduate-

14344-paperpdf.pdf

http://blog.ub.ac.id/laylayoung/files/2013/10/sip1-2-ITS-Undergraduate-14344-paperpdf.pdf

http://blog.ub.ac.id/laylayoung/files/2013/10/sip1-2-ITS-Undergraduate-14344-paperpdf.pdf

51

LAMPIRAN

1. Perhitungan Peramalan dan Ukuran Kesalahan Metode Weighted Moving Average

a. Sampel Incoming

Periode Waktu (t) Bulan Permintaan

(dt) Forecast

demand (dt') dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 1850 2 Feb-13 1619 - - - - 3 Mar-13 1610 - - - - 4 Apr-13 2149 - - - - 5 Mei-13 1969 1851,4 117,60 13829,76 5,97 5,97257 6 Jun-13 1903 1916,2 -13,20 174,24 -0,69 0,69364 7 Jul-13 2041 1942,7 98,30 9662,89 4,82 4,81627 8 Agust-13 1145 1996 -851,00 724201 -74,32 74,3231 9 Sep-13 1628 1647,8 -19,80 392,04 -1,22 1,21622

10 Okt-13 1380 1593,2 -213,20 45454,24 -15,45 15,4493 11 Nop-13 1139 1473,5 -334,50 111890,25 -29,37 29,3679 12 Des-13 1395 1309,7 85,30 7276,09 6,11 6,1147

Total -1130,50 912880,51 -104,15 137,954

MSE : 76073

SEE (f : 3) : 318.48

MAPE : 11.496

ME : -94,208

MAE : 94,208

b. Sampel Bi-Weekly


(dt)

Forecast demand

(dt') dt -dt' (dt-dt')2 PEt Abs

PEt

1 Jan-13 341 2 Feb-13 366 - - - - 3 Mar-13 410 - - - - 4 Apr-13 472 - - - - 5 May-13 474 419.1 54.90 3014.01 11.58 11.5823 6 Jun-13 457 449.8 7.20 51.84 1.58 1.57549 7 Jul-13 474 460.4 13.60 184.96 2.87 2.8692 8 Aug-13 361 468.7 -107.70 11599.29 -29.83 29.8338 9 Sep-13 357 425.4 -68.40 4678.56 -19.16 19.1597

10 Oct-13 339 391.6 -52.60 2766.76 -15.52 15.5162 11 Nov-13 290 362.3 -72.30 5227.29 -24.93 24.931 12 Dec-13 317 325.2 -8.20 67.24 -2.59 2.58675

Total -233.50 27589.95 -76 108.054 Hasil perhitungan tingkat kesalahan memtode peramalan WMA 4 :

MSE : 1149.6

SEE dengan f = 3 : 36.25

MAPE : 4.5%

ME : -9.73

MAE : 9.73

c. Sampel Product Qualification (PQ)


(dt)

Forecast demand

(dt') dt -dt' (dt-dt')2 PEt Abs

PEt

1 Jan-13 58 2 Feb-13 42 - - - - 3 Mar-13 25 - - - - 4 Apr-13 41 - - - - 5 May-13 30 38.1 -8.10 65.61 -27.00 27 6 Jun-13 38 33.5 4.50 20.25 11.84 11.8421 7 Jul-13 51 34.9 16.10 259.21 31.57 31.5686 8 Aug-13 13 41.9 -28.90 835.21 -222.31 222.308 9 Sep-13 28 31.1 -3.10 9.61 -11.07 11.0714

10 Oct-13 21 29.1 -8.10 65.61 -38.57 38.5714 11 Nov-13 17 24.5 -7.50 56.25 -44.12 44.1176 12 Dec-13 24 20 4.00 16 16.67 16.6667

Total -31.10 1327.75 -282.99 403.146 Hasil perhitungan tingkat kesalahan metode peramalan :

MSE : 86.47


MAPE : 20.51%

ME : -1.60

MAE : 1.60

2. Perhitungan Peramalan dan Ukuran Kesalahan Metode Double Moving Average

a. Sampel Incoming

t dt St' St'' at bt dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 1850 - - - 2 1619 - - - - - - - 3 1610 1735 - - - - - - 4 2149 1615 - - - - - - 5 1969 1880 1674,50 2084,50 21,58 - - - - - 6 1903 2059 1747,00 2371,00 32,84 2106,08 -203,08 41241,06 -10,67 10,67 7 2041 1936 1969,25 1902,75 -3,50 2403,84 -362,84 131654,39 -17,78 17,78 8 1145 1972 1997,50 1946,50 -2,68 1899,25 -754,25 568893,06 -65,87 65,87 9 1628 1593 1954,00 1232,00 -38,00 1943,82 -315,82 99739,61 -19,40 19,40

10 1380 1387 1782,50 990,50 -41,68 1194,00 186,00 34596,00 13,48 13,48 11 1139 1504 1489,75 1518,25 1,50 948,82 190,18 36170,03 16,70 16,70 12 1395 1260 1445,25 1073,75 -19,55 1519,75 -124,75 15562,56 -8,94 8,94

1267 -1384,55 927856,72 -92,49 152,84 MSE : 38661


MAPE : 6.37%

ME : -57.69

MAE : 57.69

b. Sampel Bi-Weekly

t Bulan dt St' St'' at bt dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-12 341 - - - 2 Feb-12 366 - - - - - - - 3 Mar-12 410 353.5 - - - - - - 4 Apr-12 472 388 - - - - - - 5 May-12 474 441 370.8 511.3 7.39 - - - - - 6 Jun-12 457 473 414.5 531.5 6.16 519 -61.64 3800.07 -13.49 13.489 7 Jul-12 474 465.5 457 474 0.89 538 -63.66 4052.33 -13.43 13.4299 8 Aug-12 361 465.5 469.3 461.8 -0.39 475 -113.89 12972 -31.55 31.5498 9 Sep-12 357 417.5 465.5 369.5 -5.05 461 -104.36 10890 -29.23 29.2312

10 Oct-12 339 359 441.5 276.5 -8.68 364 -25.45 647.569 -7.51 7.5066 11 Nov-12 290 348 388.3 307.8 -4.24 268 22.18 492.139 7.65 7.64973 12 Dec-12 317 314.5 353.5 275.5 -4.11 304 13.49 181.895 4.25 4.25452

Total -333.33 33036 -83.30 107.111 Berikut hasil perhitungan tingkat kesalahan metode peramalan :

MSE : 1476.5


MAPE : 4.46%

ME : -13.89

MAE : 13.89


t Bulan dt St' St" at bt dt' dt -dt' (dt-dt')2 PEt Abs Pet

1 Jan-12 58 - - - 2 Feb-12 42 - - - - - - - 3 Mar-12 25 50 - - - - - - 4 Apr-12 41 33.5 - - - - - - 5 May-12 30 33 41.75 24.25 -0.92 - - - - - 6 Jun-12 38 35.5 33.25 37.75 0.24 23 14.67 215.24 38.61 38.61 7 Jul-12 51 34 34.25 33.75 -0.03 38 13.01 169.342 25.52 25.52 8 Aug-12 13 44.5 34.75 54.25 1.03 34 -20.72 429.471 -159.41 159.41 9 Sep-12 28 32 39.25 24.75 -0.76 55 -27.28 743.997 -97.42 97.42

10 Oct-12 21 20.5 38.25 2.75 -1.87 24 -2.99 8.92123 -14.22 14.22 11 Nov-12 17 24.5 26.25 22.75 -0.18 1 16.12 259.803 94.81 94.81 12 Dec-12 24 19 22.5 15.5 -0.37 23 1.43 2.05696 5.98 5.98

Total 326.5 -5.75 1828.83 -106.14 435.97 Berikut hasil perhitungan tingkat kesalahan metode peramalan :

MSE : 76.20


MAPE : 18.17%

ME : -0.24

MAE : 0.24

3. Perhitungan Peramalan dan Ukuran Kesalahan Metode Single Exponential Smoothing

a. Sampel Incoming


(dt) Forecast Demant

(α =0.2) dt -dt' (dt-dt')2 PEt Abs Pet

1 Jan-13 1850 1850 0 0,00 0,00 0,00 2 Feb-13 1619 1804 -185 34151,04 -11,41 11,41 3 Mar-13 1610 1765 -155 24037,40 -9,63 9,63 4 Apr-13 2149 1842 307 94352,18 14,29 14,29 5 Mei-13 1969 1867 102 10349,89 5,17 5,17 6 Jun-13 1903 1874 29 817,25 1,50 1,50 7 Jul-13 2041 1908 133 17760,90 6,53 6,53 8 Agust-13 1145 1755 -610 372324,50 -53,29 53,29 9 Sep-13 1628 1730 -102 10352,49 -6,25 6,25

10 Okt-13 1380 1660 -280 78286,78 -20,28 20,28 11 Nop-13 1139 1556 -417 173587,39 -36,58 36,58 12 Des-13 1395 1524 -129 16514,96 -9,21 9,21

Total

-1306 832534,78 -119,16 174,14

MSE : 34689


MAPE : 7.26%

ME : -54.42

MAE : 54.2

b. Sampel Bi-Weekly


(dt)

Forecast Demant (α

=0.2) dt -dt' (dt-dt')2 PEt Abs

PEt

1 Jan-13 341 341 0.00 0.00 0.00 0.00 2 Feb-13 366 346 20.00 400.00 5.46 5.46 3 Mar-13 410 359 51.20 2621.44 12.49 12.49 4 Apr-13 472 381 90.56 8201.11 19.19 19.19 5 May-13 474 400 74.05 5483.11 15.62 15.62 6 Jun-13 457 411 45.64 2082.86 9.99 9.99 7 Jul-13 474 424 50.11 2511.08 10.57 10.57 8 Aug-13 361 411 -50.31 2531.24 -13.94 13.94 9 Sep-13 357 400 -43.45 1887.83 -12.17 12.17

10 Oct-13 339 388 -49.16 2416.64 -14.50 14.50 11 Nov-13 290 369 -78.53 6166.56 -27.08 27.08 12 Dec-13 317 358 -41.22 1699.25 -13.00 13.00

Total

68.89 36001.12 -7.37 154.01

MSE : 1500


MAPE : 6.42%

ME : 2.87

MAE : 2.87


t Bulan dt dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 58 58 0 0 0 0 2 Feb-13 42 55 -13 163.84 -30.48 30.48 3 Mar-13 25 49 -24 568.35 -95.36 95.36 4 Apr-13 41 47 -6 39.34 -15.30 15.30 5 May-13 30 44 -14 190.93 -46.06 46.06 6 Jun-13 38 43 -5 21.66 -12.25 12.25 7 Jul-13 51 44 7 44.58 13.09 13.09 8 Aug-13 13 38 -25 627.93 -192.76 192.76 9 Sep-13 28 36 -8 64.75 -28.74 28.74

10 Oct-13 21 33 -12 144.90 -57.32 57.32 11 Nov-13 17 30 -13 164.61 -75.47 75.47 12 Dec-13 24 29 -5 21.75 -19.43 19.43

Total

-117.34 2052.64 -560.07 586.25

Berikut hasil perhitungan tingkat kesalahan metode peramalan :

MSE : 85.53


MAPE : 24.43%

ME : -4.89

MAE : 4.89

4. Perhitungan Peramalan dan Ukuran Kesalahan Metode Double Exponential Smoothing- Brown

a. Sampel Incoming

t Bulan dt St' (α = 0.2) St''(α = 0.2) at bt dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 1850 1850 1850 - - - - 2 Feb-13 1619 1804 1841 1766.84 -185 - - - - 3 Mar-13 1610 1765 1826 1704.464 -155 1582 28 781.76 1.74 1.74 4 Apr-13 2149 1842 1829 1854.8048 307 1549 600 359491.38 27.90 27.90 5 May-13 1969 1867 1837 1897.99072 102 2162 -193 37238.50 -9.80 9.80 6 Jun-13 1903 1874 1844 1904.71008 29 2000 -97 9355.75 -5.08 5.08 7 Jul-13 2041 1908 1857 1958.62207 133 1933 108 11599.81 5.28 5.28 8 Aug-13 1145 1755 1837 1673.86086 -610 2092 -947 896604.62 -82.70 82.70 9 Sep-13 1628 1730 1815 1644.33925 -102 1064 564 318460.60 34.66 34.66

10 Oct-13 1380 1660 1784 1535.51185 -280 1543 -163 26436.18 -11.78 11.78 11 Nov-13 1139 1556 1738 1372.88184 -417 1256 -117 13622.18 -10.25 10.25 12 Dec-13 1395 1524 1695 1351.60336 -129 956 439 192507.15 31.45 31.45

222.42 1866097.9 -18.58 220.64

MSE : 85.53


MAPE : 24.43%

ME : -4.89

MAE : 4.89

b. Sampel Bi-Weekly

Periode Waktu (t) Bulan dt St'(α = 0.2) St'' (α = 0.2) at bt dt' dt -dt' (dt-dt')2 PEt Abs

PEt 1 Jan-13 341 341 341 - - - - 2 Feb-13 366 346 342 350 20 - - - - 3 Mar-13 410 359 345 372.24 51 370 40 1600 9.76 9.76 4 Apr-13 472 381 353 410.304 91 423 49 2358.07 10.29 10.29 5 May-13 474 400 362 437.853 74 501 -27 721.674 -5.67 5.67 6 Jun-13 457 411 372 450.81 46 512 -55 3014.1 -12.01 12.01 7 Jul-13 474 424 382 465.47 50 496 -22 503.927 -4.74 4.74 8 Aug-13 361 411 388 434.514 -50 516 -155 23895.2 -42.82 42.82 9 Sep-13 357 400 391 410.321 -43 384 -27 739.968 -7.62 7.62

10 Oct-13 339 388 390 386.225 -49 367 -28 776.852 -8.22 8.22 11 Nov-13 290 369 386 351.275 -79 337 -47 2215.19 -16.23 16.23 12 Dec-13 317 358 380 336.175 -41 273 44 1958.32 13.96 13.96

-228.12 37783.3 -63.30 131.31

Berikut hasil perhitungan tingkat kesalahan metode :

MSE : 1574.3

SSE dengan f=3 : 42.42

MAPE : 5.47%

ME : -9.51

MAE : 9.51


t Bulan dt Forecast Demand (St') (α = 0.2)

Forecast Demand (St',) (α = 0.2) at bt Forecast

Demand dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 58 58 58 - - - - 2 Feb-13 42 55 57 52.24 -13 - - - - 3 Mar-13 25 49 56 42.024 -24 39 -14 208.51 -57.76 57.76 4 Apr-13 41 47 54 40.5648 -6 18 23 520.57 55.65 55.65 5 May-13 30 44 52 35.6883 -14 34 -4 18.43 -14.31 14.31 6 Jun-13 38 43 50 35.2198 -5 22 16 260.15 42.45 42.45 7 Jul-13 51 44 49 39.7112 7 31 20 417.56 40.07 40.07 8 Aug-13 13 38 47 29.3573 -25 46 -33 1114.76 -256.83 256.83 9 Sep-13 28 36 45 27.4764 -8 4 24 561.75 84.65 84.65

10 Oct-13 21 33 42 23.7736 -12 19 2 2.47 7.48 7.48 11 Nov-13 17 30 40 19.8529 -13 12 5 27.71 30.96 30.96 12 Dec-13 24 29 38 19.7495 -5 7 17 288.22 70.74 70.74

54.77 3420.13 3.09 660.89

Berikut hasil perhitungan tingkat kesalahan metode :

MSE : 142.51

SSE dengan f=3 : 12.76

MAPE : 27.54%

ME : 2.28

MAE : 2.28

5. Perhitungan Peramalan dan Ukuran Kesalahan Metode Double Exponential Smoothing - Holt

a. Sampel Incoming

t Bulan dt Pemulusan St Trend St dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 1850 1850.00 154.00 2004.00 -154 23716.00 -8.32 8.32 2 Feb-13 1619 1680.60 56.98 1737.58 -119 14061.22 -7.32 7.32 3 Mar-13 1610 1620.90 21.97 1642.87 -33 1080.49 -2.04 2.04 4 Apr-13 2149 1708.94 41.79 1750.73 398 158617.71 18.53 18.53 5 May-13 1969 1727.51 34.83 1762.34 207 42707.05 10.50 10.50 6 Jun-13 1903 1734.75 26.55 1761.30 142 20079.38 7.45 7.45 7 Jul-13 2041 1774.76 30.59 1805.35 236 55532.80 11.55 11.55 8 Aug-13 1145 1624.34 23.71 1648.05 -503 253059.38 -43.93 43.93 9 Sep-13 1628 1606.10 11.13 1617.23 11 116.10 0.66 0.66

10 Oct-13 1380 1551.97 -8.45 1543.53 -164 26741.28 -11.85 11.85 11 Nov-13 1139 1476.14 -28.66 1447.47 -308 95155.44 -27.08 27.08 12 Dec-13 1395 1482.84 -18.05 1464.79 -70 4870.20 -5.00 5.00

-357 695737.03 -56.88 154.24

MSE : 280001

SSE dengan f = 3 : 178.89

MAPE : 6.08

ME : -8.47

MAE : 8.447

b. Sampel Bi-Weekly

t Bulan dt Pemulusan St Trend St dt' dt -dt' (dt-dt')2 PEt Abs

PEt 1 Jan-13 341 341 44 385 -44 1892.25 -12.76 12.76 2 Feb-13 366 311 22 333 33 1108.22 9.10 9.10 3 Mar-13 410 314 16 330 80 6468.24 19.62 19.62 4 Apr-13 472 333 17 350 122 15002.14 25.95 25.95 5 May-13 474 348 16 364 110 12151.25 23.26 23.26 6 Jun-13 457 357 14 371 86 7478.55 18.92 18.92 7 Jul-13 474 369 13 382 92 8410.46 19.35 19.35 8 Aug-13 361 356 6 362 -1 1.39 -0.33 0.33 9 Sep-13 357 352 3 355 2 5.60 0.66 0.66

10 Oct-13 339 347 0 348 -9 75.36 -2.56 2.56 11 Nov-13 290 335 -3 332 -42 1780.45 -14.55 14.55 12 Dec-13 317 334 -3 332 -15 216.92 -4.65 4.65

460 52698.58 94.77 138.93

MSE : 2195.8


MAPE : 5.79

ME : 19.18

MAE : 19.18


t Bulan dt St Trend St dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 58 58 0 58 0 0 0 0 2 Feb-13 42 55 -1 54 -12 140.186 -28.19 28.1905 3 Mar-13 25 50 -2 47 -22 500.793 -89.514 89.5136 4 Apr-13 41 50 -2 48 -7 50.8082 -17.385 17.3853 5 May-13 30 47 -2 45 -15 227.412 -50.267 50.2672 6 Jun-13 38 47 -1 45 -7 52.9993 -19.158 19.1581 7 Jul-13 51 49 0 49 2 3.74612 3.79508 3.79508 8 Aug-13 13 41 2 43 -30 911.53 -232.24 232.243 9 Sep-13 28 37 0 37 -9 83.2297 -32.582 32.5823

10 Oct-13 21 34 -1 33 -12 139.564 -56.256 56.2558 11 Nov-13 17 31 -1 30 -13 160.933 -74.623 74.6231 12 Dec-13 24 31 -1 30 -6 32.992 -23.933 23.9328

-131 2304.19 -620.36 627.946

MSE : 96.01


MAPE : 26.16

ME : -5.47

MAE : 5.47

6. Perhitungan Peramalan dan Ukuran Kesalahan Metode Pola Siklis

a. Sampel Incoming

MSE : 50429.71


MAPE : 8.35

ME : -6.71

MAE : 6.71

1 Jan-13 1850 60 0.87 0.75 0.50 0.25 0.43 1602.1 925 1652.33 68.83 2.60 1689 161 25921.00 8.70 8.702 Feb-13 1619 120 0.87 0.75 -0.50 0.25 -0.43 1402.054 -809.5 1652.33 68.83 2.60 1620 -1 1.36 -0.07 0.073 Mar-13 1610 180 0.00 0.00 -1.00 1.00 0.00 0 -1610 1652.33 68.83 2.60 1584 27 702.25 1.65 1.654 Apr-13 2149 240 -0.87 0.75 -0.50 0.25 0.43 -1861.034 -1074.5 1652.33 68.83 2.60 1616 533 284444.44 24.82 24.825 May-13 1969 300 -0.87 0.75 0.50 0.25 -0.43 -1705.154 984.5 1652.33 68.83 2.60 1685 285 80940.25 14.45 14.456 Jun-13 1903 360 0.00 0.00 1.00 1.00 0.00 0 1903 1652.33 68.83 2.60 1721 182 33063.36 9.56 9.567 Jul-13 2041 420 0.87 0.75 0.50 0.25 0.43 1767.506 1020.5 1652.33 68.83 2.60 1689 352 123904.00 17.25 17.258 Aug-13 1145 480 0.87 0.75 -0.50 0.25 -0.43 991.57 -572.5 1652.33 68.83 2.60 1620 -475 225783.36 -41.50 41.509 Sep-13 1628 540 0.00 0.00 -1.00 1.00 0.00 0 -1628 1652.33 68.83 2.60 1584 45 1980.25 2.73 2.73

10 Oct-13 1380 600 -0.87 0.75 -0.50 0.25 0.43 -1195.08 -690 1652.33 68.83 2.60 1616 -236 55538.78 -17.08 17.0811 Nov-13 1139 660 -0.87 0.75 0.50 0.25 -0.43 -986.374 569.5 1652.33 68.83 2.60 1685 -546 297570.25 -47.89 47.8912 Dec-13 1395 720 0 0 1 1 0 0 1395 1652.33 68.83 2.60 1721 -326 106384.69 -23.38 23.38

19828 4680 0 6 0 6 0 15.588 413 -161 1210313.00 -59.48 200.37Jumlah

dt -dt' (dt-dt')2 PEt Abs PEtsin (60t)

60t cbacos (60t)

sin2

(60t)dt'dt.cos(60t)dt.sin(60t)sin(60).c

os(60t)cos2

(60t)t Bulan dt

b. Sampel Bi-Weekly

t Bulan dt 60t sin (60t)

sin2

(60t) cos

(60t) cos2

(60t) sin(60).cos(60t)

dt.sin (60t)

dt.cos (60t) a b c dt' dt -dt' (dt-dt')2 PEt Abs PEt

1 Jan-13 341 60 0.87 0.75 0.5 0.25 0.43 295.31 170.5 388 4.58 -4.76 386 -45 2055.11 -13.29 13.29 2 Feb-13 366 120 0.87 0.75 -0.5 0.25 -0.43 316.96 -183 388 4.58 -4.76 382 -16 248.06 -4.30 4.30 3 Mar-13 410 180 0 0 -1 1 0 0 -410 388 4.58 -4.76 384 26 697.84 6.44 6.44 4 Apr-13 472 240 -0.9 0.75 -0.5 0.25 0.43 -408.8 -236 388 4.58 -4.76 390 82 6724.00 17.37 17.37 5 May-13 474 300 -0.9 0.75 0.5 0.25 -0.43 -410.5 237 388 4.58 -4.76 395 79 6307.01 16.75 16.75 6 Jun-13 457 360 0 0 1 1 0 0 457 388 4.58 -4.76 393 64 4128.06 14.06 14.06 7 Jul-13 474 420 0.87 0.75 0.5 0.25 0.43 410.48 237 388 4.58 -4.76 386 88 7685.44 18.50 18.50 8 Aug-13 361 480 0.87 0.75 -0.5 0.25 -0.43 312.63 -180.5 388 4.58 -4.76 382 -21 430.56 -5.75 5.75 9 Sep-13 357 540 0 0 -1 1 0 0 -357 388 4.58 -4.76 384 -27 706.67 -7.45 7.45

10 Oct-13 339 600 -0.9 0.75 -0.5 0.25 0.43 -293.6 -169.5 388 4.58 -4.76 390 -51 2601.00 -15.04 15.04 11 Nov-13 290 660 -0.9 0.75 0.5 0.25 -0.43 -251.1 145 388 4.58 -4.76 395 -105 10937.67 -36.06 36.06 12 Dec-13 317 720 0 0 1 1 0 0 317 388 4.58 -4.76 393 -76 5738.06 -23.90 23.90

Jumlah 4658 4680 0 6.000 0 6 0 -28.58 27.5

45 46204.39 -

19.376 165.626

MSE : 1925.2


MAPE : 6.90%

ME : 1.89

MAE : 1.89


t dt 60t sin (60t)

sin2

(60t) cos

(60t) cos2

(60t) sin(60).ccos(60t)

dt.sin (60t)

dt.cos (60t) a b c dt' dt -

dt' (dt-dt')2 PEt Abs PEt

1 58 60 0.87 0.75 0.50 0.25 0.43 50.23 29.00 32.33 4.75 7.94 42 16 269.51 28.30 28.30 2 42 120 0.87 0.75 -0.50 0.25 -0.43 36.37 -21.00 32.33 4.75 7.94 37 5 26.69 12.30 12.30 3 25 180 0.00 0.00 -1.00 1.00 0.00 0.00 -25.00 32.33 4.75 7.94 28 -3 6.67 -10.33 10.33 4 41 240 -0.87 0.75 -0.50 0.25 0.43 -35.51 -20.50 32.33 4.75 7.94 23 18 321.01 43.70 43.70 5 30 300 -0.87 0.75 0.50 0.25 -0.43 -25.98 15.00 32.33 4.75 7.94 28 2 4.69 7.22 7.22 6 38 360 0.00 0.00 1.00 1.00 0.00 0.00 38.00 32.33 4.75 7.94 37 1 0.84 2.41 2.41 7 51 420 0.87 0.75 0.50 0.25 0.43 44.17 25.50 32.33 4.75 7.94 42 9 88.67 18.46 18.46 8 13 480 0.87 0.75 -0.50 0.25 -0.43 11.26 -6.50 32.33 4.75 7.94 37 -24 568.03 -183.33 183.33 9 28 540 0.00 0.00 -1.00 1.00 0.00 0.00 -28.00 32.33 4.75 7.94 28 0 0.17 1.49 1.49

10 21 600 -0.87 0.75 -0.50 0.25 0.43 -18.19 -10.50 32.33 4.75 7.94 23 -2 4.34 -9.92 9.92 11 17 660 -0.87 0.75 0.50 0.25 -0.43 -14.72 8.50 32.33 4.75 7.94 28 -11 117.36 -63.73 63.73 12 24 720 0.00 0.00 1.00 1.00 0.00 0.00 24.00 32.33 4.75 7.94 37 -13 171.17 -54.51 54.51

Jumlah 388 4680 0 6.000 0 6 0 47.63 28.5

-16 1309.66 -236.24 407.41

MSE : 54.57


MAPE : 16.98%

ME : -0.68

MAE : 0.68

Kapasitas Operator Scraping

Batch

Schedulling

Scrapper

Actual Scrapp

er

% Recove

ry % Bias

Schedulling

Solution

Actual Solution

% Recove

ry % Bias

1311001 2 4 200% 100% 7 7 100% 0% 1.75 1311002 9 6 67% 33% 13 14 108% 8% 2.33 1311003 6 5 83% 17% 5 6 120% 20% 1.20 1311004 6 6 100% 0% 7 8 114% 14% 1.33 1311005 7 8 114% 14% 13 14 108% 8% 1.75 1311006 9 5 56% 44% 11 18 164% 64% 3.60 1311007 5 5 100% 0% 6 6 100% 0% 1.20 1311008 6 3 50% 50% 8 10 125% 25% 3.33 1311009 10 10 100% 0% 14 13 93% 7% 1.30 1311010 8 8 100% 0% 25 24 96% 4% 3.00 1311011 8 6 75% 25% 12 16 133% 33% 2.67 1311012 7 6 86% 14% 16 15 94% 6% 2.50 1311013 6 6 100% 0% 9 12 133% 33% 2.00 1311014 3 3 100% 0% 11 10 91% 9% 3.33 1311015 3 3 100% 0% 12 12 100% 0% 4.00 1311016 1 1 100% 0% 4 5 125% 25% 5.00 1311017 1 1 100% 0% 3 4 133% 33% 4.00 1311018 1 1 100% 0% 1 2 200% 100% 2.00 1311019 1 1 100% 0% 10 10 100% 0% 10.00 1311020 9 9 100% 0% 15 14 93% 7% 1.56 1311021 14 10 71% 29% 13 13 100% 0% 1.30 1311022 13 12 92% 8% 14 19 136% 36% 1.58 1311023 14 12 86% 14% 8 8 100% 0% 0.67 1311024 24 12 50% 50% 17 21 124% 24% 1.75 1311025 16 13 81% 19% 18 13 72% 28% 1.00 1311026 21 18 86% 14% 26 25 96% 4% 1.39 1311027 7 7 100% 0% 6 6 100% 0% 0.86 1311028 7 7 100% 0% 4 5 125% 25% 0.71 1311029 15 15 100% 0% 10 13 130% 30% 0.87 1311030 15 16 107% 7% 12 14 117% 17% 0.88 1311031 9 9 100% 0% 9 10 111% 11% 1.11 1311032 9 12 133% 33% 22 15 68% 32% 1.25 1311033 7 12 171% 71% 9 9 100% 0% 0.75 1311034 10 14 140% 40% 17 20 118% 18% 1.43

1311035 1 1 100% 0% 3 2 67% 33% 2.00 1311036 10 15 150% 50% 21 21 100% 0% 1.40 1311037 19 15 79% 21% 22 23 105% 5% 1.53 1311038 6 7 117% 17% 8 11 138% 38% 1.57 1311039 3 3 100% 0% 7 7 100% 0% 2.33 1311040 20 14 70% 30% 17 17 100% 0% 1.21 1311041 25 14 56% 44% 18 20 111% 11% 1.43 1311042 16 14 88% 13% 18 22 122% 22% 1.57 1311043 4 6 150% 50% 7 8 114% 14% 1.33 1311044 9 12 133% 33% 7 12 171% 71% 1.00 1311045 9 12 133% 33% 13 13 100% 0% 1.08 1311046 11 11 100% 0% 11 12 109% 9% 1.09 1311047 6 6 100% 0% 12 12 100% 0% 2.00 1311048 10 14 140% 40% 24 25 104% 4% 1.79 1311049 12 12 100% 0% 13 12 92% 8% 1.00 1311050 18 14 78% 22% 22 22 100% 0% 1.57 1311051 3 3 100% 0% 2 2 100% 0% 0.67 1311052 6 8 133% 33% 16 17 106% 6% 2.13 1311053 1 1 100% 0% 1 1 100% 0% 1.00 1311054 2 2 100% 0% 6 6 100% 0% 3.00 1311055 1 1 100% 0% 2 2 100% 0% 2.00 1311056 16 14 88% 13% 8 10 125% 25% 0.71 1311057 18 17 94% 6% 11 13 118% 18% 0.76 1311058 19 17 89% 11% 17 21 124% 24% 1.24 1311059 8 8 100% 0% 12 13 108% 8% 1.63 1311060 11 11 100% 0% 19 20 105% 5% 1.82 1311061 11 12 109% 9% 12 15 125% 25% 1.25 1311062 4 5 125% 25% 5 4 80% 20% 0.80 1311063 21 15 71% 29% 19 23 121% 21% 1.53 1311064 17 15 88% 12% 17 22 129% 29% 1.47 1311065 16 9 56% 44% 12 15 125% 25% 1.67 1311066 9 10 111% 11% 8 10 125% 25% 1.00 1311067 10 10 100% 0% 8 10 125% 25% 1.00 1311068 12 11 92% 8% 12 15 125% 25% 1.36 1311069 8 9 113% 13% 6 7 117% 17% 0.78 1311070 23 26 113% 13% 14 16 114% 14% 0.62 1311071 15 13 87% 18% 19 19 100% 0% 1.46 1311072 10 10 100% 0% 20 21 105% 5% 2.10 1311073 3 3 100% 0% 4 4 100% 0% 1.33 1311074 20 18 90% 10% 29 28 97% 3% 1.56 1311075 12 10 83% 17% 19 18 95% 5% 1.80

1311076 20 18 90% 10% 27 27 100% 0% 1.50 1311077 1 1 100% 0% 1 1 100% 0% 1.00 1311078 1 1 100% 0% 4 4 100% 0% 4.00 1311079 1 2 200% 100% 14 11 79% 21% 5.50 1311080 7 7 100% 0% 25 20 80% 20% 2.86 1311081 14 9 64% 36% 37 37 100% 0% 4.11 1311082 16 9 56% 44% 32 27 84% 16% 3.00 1311083 21 18 86% 14% 29 30 103% 3% 1.67 1311084 14 10 71% 29% 28 27 96% 4% 2.70 1311085 12 10 83% 17% 15 16 107% 7% 1.60 1311086 11 11 100% 0% 21 26 124% 24% 2.36 1311087 5 5 100% 0% 15 16 107% 7% 3.20 1311088 13 15 115% 15% 24 27 113% 13% 1.80 1311089 20 15 75% 25% 25 27 108% 8% 1.80 1311090 17 15 88% 12% 28 26 93% 7% 1.73 1311091 19 13 68% 32% 28 27 96% 4% 2.08 1311092 19 10 53% 47% 28 27 96% 4% 2.70 1311093 5 10 200% 100% 26 27 104% 4% 2.70 1311094 7 11 157% 57% 19 20 105% 5% 1.82 1311095 2 2 100% 0% 8 8 100% 0% 4.00 1311096 1 1 100% 0% 1 1 100% 0% 1.00 1311097 1 1 100% 0% 3 3 100% 0% 3.00 1311098 6 13 217% 117% 10 10 100% 0% 0.77 1311099 4 5 125% 25% 3 3 100% 0% 0.60 1311100 13 13 100% 0% 10 13 130% 30% 1.00 1311101 14 14 100% 0% 10 14 140% 40% 1.00 1311102 19 10 53% 47% 12 10 83% 17% 1.00 1311103 25 15 60% 40% 17 24 141% 41% 1.60 1311104 17 12 71% 29% 20 16 80% 20% 1.33 1311105 21 15 71% 29% 25 24 96% 4% 1.60 1311106 4 4 100% 0% 10 10 100% 0% 2.50 1311107 4 5 125% 25% 2 3 150% 50% 0.60 1311108 6 6 100% 0% 5 6 120% 20% 1.00 1311109 11 11 100% 0% 14 15 107% 7% 1.36 1311110 12 12 100% 0% 25 26 104% 4% 2.17 1311111 16 12 75% 25% 22 26 118% 18% 2.17 1311112 20 15 75% 25% 22 26 118% 18% 1.73 1311113 6 9 150% 50% 9 13 144% 44% 1.44 1311114 1 1 100% 0% 1 1 100% 0% 1.00 1311115 2 3 150% 50% 5 4 80% 20% 1.33 1311116 6 7 117% 17% 7 8 114% 14% 1.14

1311117 8 7 88% 13% 13 13 100% 0% 1.86 1311118 7 7 100% 0% 10 10 100% 0% 1.43 1311119 10 9 90% 10% 28 27 96% 4% 3.00 1311120 6 7 117% 17% 12 11 92% 8% 1.57 1311121 13 12 92% 8% 21 22 105% 5% 1.83 1311122 15 12 80% 20% 23 26 113% 13% 2.17 1311123 9 12 133% 33% 15 13 87% 13% 1.08 1311124 9 8 89% 11% 24 25 104% 4% 3.13 1311125 12 10 83% 17% 19 19 100% 0% 1.90 1311126 12 12 100% 0% 13 17 131% 31% 1.42 1311127 11 11 100% 0% 13 13 100% 0% 1.18 1311128 24 15 63% 38% 20 21 105% 5% 1.40 1311129 16 11 69% 31% 18 19 106% 6% 1.73 1311130 24 12 50% 50% 18 13 72% 28% 1.08 1311131 1 1 100% 0% 2 2 100% 0% 2.00 1311132 2 2 100% 0% 8 8 100% 0% 4.00 1311133 3 4 133% 33% 8 9 113% 13% 2.25 1311134 3 4 133% 33% 8 9 113% 13% 2.25 1311135 9 9 100% 0% 13 12 92% 8% 1.33 1311136 14 14 100% 0% 29 28 97% 3% 2.00 1311137 18 18 100% 0% 29 27 93% 7% 1.50 1311138 8 7 88% 13% 15 15 100% 0% 2.14 1311139 6 8 133% 33% 7 9 129% 29% 1.13 1311140 11 8 73% 27% 17 19 112% 12% 2.38 1311141 1 1 100% 0% 4 6 150% 50% 6.00 1311142 1 1 100% 0% 8 8 100% 0% 8.00 1311143 1 1 100% 0% 5 5 100% 0% 5.00 1311144 1 1 100% 0% 4 4 100% 0% 4.00 1311145 1 1 100% 0% 3 3 100% 0% 3.00 1311146 2 2 100% 0% 2 3 150% 50% 1.50 1311153 25 15 60% 40% 19 22 116% 16% 1.47 1311154 21 13 62% 38% 12 14 117% 17% 1.08 1311155 3 3 100% 0% 2 2 100% 0% 0.67 1311156 3 3 100% 0% 3 3 100% 0% 1.00 1311157 17 17 100% 0% 11 11 100% 0% 0.65 1311158 12 12 100% 0% 7 11 157% 57% 0.92 1311159 13 13 100% 0% 16 18 113% 13% 1.38 1311160 11 12 109% 9% 20 20 100% 0% 1.67 1311161 9 13 144% 44% 18 19 106% 6% 1.46 1311162 2 5 250% 150% 10 8 80% 20% 1.60 1311166 12 11 92% 8% 23 27 117% 17% 2.45

1311167 15 12 80% 20% 20 27 135% 35% 2.25 1311168 9 9 100% 0% 14 16 114% 14% 1.78 1311169 11 9 82% 18% 20 21 105% 5% 2.33 1311170 4 5 125% 25% 6 7 117% 17% 1.40 1311171 12 12 100% 0% 12 12 100% 0% 1.00 1311173 6 6 100% 0% 8 8 100% 0% 1.33 1311174 3 3 100% 0% 8 8 100% 0% 2.67 1311175 3 4 133% 33% 14 15 107% 7% 3.75 1311176 3 4 133% 33% 9 15 167% 67% 3.75 1311177 12 9 75% 25% 18 23 128% 28% 2.56 1311178 2 4 200% 100% 10 12 120% 20% 3.00 1311179 7 4 57% 43% 13 10 77% 23% 2.50 1311180 13 15 115% 15% 31 35 113% 13% 2.33 1311181 16 16 100% 0% 24 24 100% 0% 1.50 1311185 11 11 100% 0% 38 39 103% 3% 3.55 1311186 15 10 67% 33% 29 33 114% 14% 3.30 1311187 8 9 113% 13% 30 27 90% 10% 3.00 1311188 16 12 75% 25% 21 27 129% 29% 2.25 1311190 3 3 100% 0% 3 3 100% 0% 1.00 1311191 5 5 100% 0% 4 4 100% 0% 0.80 1311192 4 4 100% 0% 4 4 100% 0% 1.00 1311193 1 1 100% 0% 2 2 100% 0% 2.00

101% 18%

109% 13%

1.9559

= 2 solution/2jam

Incoming

Month LER Total Solution Surface Coating Non Surface Coating Part Solution

Rate Soluble

K1 K2 K3 K1 K2 K3 Jan 987 1202 105 75 165 280 242 335 2476 1.22 1170 Feb 812 1130 135 81 112 370 187 245 2069 1.39 867

March 821 1155 143 63 121 359 181 288 2160 1.41 880 April 1192 1390 179 81 146 399 200 385 2664 1.17 1242 May 1056 1468 294 65 113 502 183 311 2548 1.39 1258

RMS

Month LER Total Solution K1 K2 K3 Part Solution

Rate Soluble Soluble Rate PU Total PU

Rate Jan 252 129 32 45 52 253 0.51 45 0.18 5 0.02 Feb 138 94 61 15 18 138 0.68 25 0.18 0 0.00

March 243 158 93 33 32 246 0.65 80 0.33 10 0.04 April 280 211 159 23 29 288 0.75 94 0.33 7 0.02 May 315 178 83 34 61 323 0.57 128 0.40 9 0.03

NPPO



Rate Jan 68 68 62 3 3 75 1.00 11 0.15 0 0.00 Feb 95 97 90 3 4 105 1.02 11 0.10 1 0.01

March 56 57 42 5 10 75 1.02 14 0.19 2 0.03 April 113 111 95 5 11 134 0.98 12 0.09 0 0.00 May 83 78 60 9 9 95 0.94 32 0.34 1 0.01

Biweekly



Rate Jan 370 1184 400 276 508 2623 7.09 498 0.19 60 0.02 Feb 352 1203 422 257 524 2578 7.32 495 0.19 14 0.01

March 392 1331 624 146 561 2898 7.39 597 0.21 20 0.01 April 499 1473 788 95 590 3644 7.30 716 0.20 36 0.01 May 499 1608 939 145 524 3795 7.61 780 0.21 24 0.01

PQ



Rate Jan 58 789 188 185 416 1801 31.05 718 0.40 18 0.01 Feb 37 555 96 144 315 1314 35.51 518 0.39 3 0.00

March 30 400 94 78 229 926 30.87 405 0.44 0 0.00 April 42 643 126 140 377 1985 47.26 1096 0.55 11 0.01 May 31 514 135 110 269 1281 41.32 741 0.58 2 0.00

PQ ID



Rate Jan 16 64 13 25 26 141 8.81 22 0.16 0 0.00 Feb 9 51 12 19 20 100 11.11 33 0.33 0 0.00

March 14 40 6 21 13 85 6.07 18 0.21 0 0.00 April 16 61 20 16 25 126 7.88 6 0.05 0 0.00 May 8 30 3 14 13 68 8.50 10 0.15 0 0.00

I3+I4+D



Rate Jan 213 202 70 78 54 326 0.95 134 0.41 6 0.02 Feb 151 128 93 14 21 175 0.85 84 0.48 2 0.01

March 93 93 64 18 11 107 1.00 35 0.33 0 0.00 April 225 321 280 18 23 350 1.43 103 0.29 13 0.04 May 122 197 146 24 27 252 1.61 66 0.26 0 0.00

penentuan metode peramalan permintaan pengetesan kandungan

Documents