BAB 4 PENGUMPULAN DAN ANALISA DATA

BAB 4 PENGUMPULAN DAN ANALISA DATA

4.1.

Pengumpulan dan Pengolahan Data

4.1.1. Data Permintaan Untuk menentukan metode peramalan yang akan dilakukan maka dibutuhkan data permintaan pada periode sebelumnya. Tabel 4.1 Jenis Produk No. 1.

Nama Part

No. Part

Tipe

Qty/Unit

22115-KPH -9001

125 cc

1

23112-GCE -9000-C1

100 cc

1

14451-035-0002

100 cc

2

3.

GUIDE,CLUTCH OUTER COLLAR, CENTER CLUTCH SHAFT ROCKER ARM

4.

GEAR SHIFT DRUM

24421-200-0002

100 cc

4

5.

PUMP PIVOT OIL

15384-178-0001

100 cc

1

6.

PIN PISTON

13111-087-0002

All Cub

1

7.

BOSS,DRIVE FACE

22105-KVB -9000

110 cc

1

8.

SHAFT COMP,OIL PUMP

15130-KVB -9000

110 cc

1

9.

BUSH,M STAND

11205-GBC -3000

110 cc

2

10.

SHAFT,IN ROCKER ARM

14451-KVB -9000

110 cc

1

2.

Berikut data permintaan aktual untuk sepuluh part tersebut adalah berdasarkan total permintaan/kebutuhan PT Astra Honda Motor dari periode Januari 2006 sampai dengan Desember 2006.

33

Tabel 4.2 Data Permintaan Aktual Periode Januari 2006 - Desember 2006 Item Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember

GUIDE, CLUTCH OUTER

COLLAR, CENTER CLUTCH

SHAFT ROCKER ARM

GEAR SHIFT DRUM

PUMP PIVOT OIL

PIN PISTON

BOSS, DRIVE FACE

SHAFT COMP,OIL PUMP

BUSH,M STAND

SHAFT,IN ROCKER ARM

34,650

36,610

62,760

125,520

41,840

115,898

23,497

23,497

46,994

23,497

52,990

57,400

98,400

196,800

65,600

173,600

26,500

26,500

53,000

26,500

41,265

50,400

86,400

172,800

57,600

148,873

29,872

29,872

59,744

29,872

40,740

49,181

84,310

168,619

56,206

143,377

24,865

24,865

49,730

24,865

41,301

75,529

129,478

258,955

86,318

181,959

25,100

25,100

50,200

25,100

38,044

74,129

127,078

254,155

84,718

180,646

34,000

34,000

68,000

34,000

47,249

74,341

127,442

254,885

84,962

194,160

34,100

34,100

68,200

34,100

61,565

99,260

170,160

340,320

113,440

255,850

43,500

43,500

87,000

43,500

67,860

112,674

193,156

386,311

128,770

284,906

45,000

45,000

90,000

45,000

40,305

59,768

102,460

204,919

68,306

162,762

33,000

33,000

66,000

33,000

54,355

121,015

207,454

414,907

138,302

272,128

36,000

36,000

72,000

36,000

45,352

114,248

195,854

391,709

130,570

247,501

32,500

32,500

65,000

32,500

34

4.1.2. Data Jam kerja yang tersedia Berikut adalah data jam kerja reguler di PT Sparta Guna Jaya. •

Senin – Jumat

: 3 Shift (Shift Normal)

•

Sabtu

: 2 Shift ( Shift Pendek)

Pembagian shift normal : •

Shift 1

: Pkl 06.00 ~ 14.00 WIB

•

Shift 2

: Pkl 14.00 ~ 22.00 WIB

•

Shift 3

: Pkl 22.00 ~ 06.00 WIB

Pembagian shift pendek : •

Shift 1

: Pkl 06.00 ~ 11.00 WIB

•

Shfit 2

: Pkl 11.00 ~ 16.00 WIB

Jam istirahat kerja reguler di PT Sparta Guna Jaya. •

Senin – Jumat o Shift 1

: Pkl 09.00 ~ 09.10 WIB : Pkl 11.30 ~ 12.20 WIB : Total = 1 Jam = 3600 detik

o Shift 2


35

o Shift 3


4.1.3. Data Urutan proses produksi

Tabel 4.3

ITEM

No.

Proses

1 2 3 4 1 2 3 4 1 2 3 4 5 6 1 2 3

Turning Chamfering Grinding LCN or GSN Turning Chamfering Grinding LCN or GSN Turning Chamfering Tapping Grinding Carburizing Grinding Turning Carburizing Grinding

PIVOT OIL PUMP

1

Turning

PIN PISTON

1 2 3 4 5 6

Turning Chamfering Grinding Carburizing Grinding I Grinding II

GUIDE CLUTCH OUTER COLLAR CENTER CLUTCH

SHAFT ROCKER ARM

GEAR SHIFT DRUM

Urutan Proses

Tsugami MB 50 Syncro Chenfu Out Plant Tsugami M42 J Syncro Chenfu Out Plant Autolathe Syncro Syncro Palmary I Out Plant Palmary I Autolathe Out Plant Palmary II

Cycle Time 21 5 5 33 5 5 27 4 6 4 4 4 1

Nexus 100B

45

Autolathe Syncro Micron I Outplant Micron I Micron II

27 4 7 8 8

Mesin

36

1 2 3 4 5 6 7 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 6

BOSS DRIVE FACE

SHAFT COMP OIL PUMP

BUSH M STAND

SHAFT IN ROCKER ARM

Turning Chamfer Induction Grinding I Hard Chrome Turning I.D Grinding II Turning Milling + Drill LCN or GSN Assy1 Assy2 Turning Chamfering Hardening Grinding Zinc Plating Turning Milling Ulir Milling Alur Milling Radius Grinding LCN or GSN

Moriseiki Syncro Out Plant Palmary III Out Plant Nexus 100A Palmary III Tsugami M42 J UTC 6 A Out Plant Hidrolic Press Hidrolic Press QT 10 Syncro Out Plant Chenfu Out Plant CinCom A16 TC 227 B Brother Millet A Brother Millet B Palmary I Out Plant

60 8 6 44 5 48 95 6 5 46 8 7 60 35 32 30 5 -

Sebagian proses dari urutan pembuatan part-part tersebut merupakan proses yang dilakukan diluar perusahaan (sub kontrak). Adapun proses dan lead time (total waktu produksi) proses yang di sub kontrak adalah sebagai berikut

Tabel 4.4 No.

Nama Proses

Data proses Sub kontrak Sub Cont

Lead time

1.

LCN or GSN

PT Parker

3 hari

2.

Carburizing

PT Parker

4 hari

3.

Induction

PT Pindad

3 hari

37

4.

Hard chrome

5.

Hardening

6.

Zinc Plating

4.2.

PT Galvalindo

5 hari

PT Parker

2 hari

PT AA Jaya

3 hari

Analisis Data

4.2.1. Penentuan pola data Berdasarkan langkah-langkah dalam pembuatan suatu peramalan yang terdapat pada bab 2. Dimana tujuan peramalan adalah membuat peramalan permintaaan pelanggan untuk tahun 2007. Unsur yang akan dibuatkan peramalannya adalah 10 item part komponen sepeda motor yang diproduksi oleh PT Sparta Guna Jaya. Kemudian horizon waktu peramalan adalah peramalan untuk jangka pendek yaitu peramalan permintaan untuk jangka 3 bulan, tahun berikutnya. Langkah berikutnya adalah memilih metode peramalan. Namun sebelum dilakukan pemilihan metode peramalan, maka terlebih dahulu harus dilakukan penentuan pola data permintaan yang sudah ada. Yaitu data permintaan untuk ke-10 part tersebut pada tahun 2006 diplot kedalam sebuah grafik, sehingga dari grafik tersebut bisa diketahui pola data permintaan pelanggan. Berikut ini adalah pola data permintaan PT Astra Honda Motor untuk periode Januari sampai Desember 2006.

38

450,000 Guide Clutch Outer

400,000

Collar Center Clutch

350,000

Shaft Rocker Arm

Q u a n tity

300,000 250,000

Gear Shift Drum Pump Pivot Oil

200,000

Pin Piston

150,000

Boss Drive Face Shaft Comp Oil Pump

100,000

Bush M Stand

50,000

Shaft In Rocker Arm

Jan

Feb

Mar

Apr

Mei

Jun

Jul

Aug

Sep

Okt

Nov Des

Bulan

Grafik 4.1 Pola Permintaan Aktual PT Astra Honda Motor Periode Januari - Desember 2006

39

Berdasarkan pola data pada grafik diatas, maka data permintaan dari PT Astra Honda Motor akan ditentukan apakah data tersebut tergolong pada pola Stationery, trend (kecendrungan) atau seasonal (musiman). Untuk menentukan metode peramalan yang tepat, maka data-data tersebut akan di uji dengan beberapa metode peramalan yang mewakili masing-masing pola data antara lain sebagai berikut : 1. Moving Averages, Weighted moving averages & Single Eksponential smoothing mewakili pola data stationery. 2. Eksponential smoothing adjusted with Trend Holts Method mewakili pola data Trend (kecendrungan). 3. Eksponential smoothing adjusted for trend & seasonal variation : Winters mode mewakili pola data musiman. Dari ketiga metode diatas akan diambil nilai MSE, MAD dan MAPE terkecil untuk menentukan metode peramalan selanjutnya. Hasil perhitungan dari metode peramalan tersebut hanya ditampilkan hasil peramalannya untuk tipe produk 1 saja, sedangkan yang lainnya ditampilkan pada lampiran.

40

4.2.2

Peramalan permintaan metode Moving Averages. Pada metode ini digunakan 3 macam periode yaitu 3, 4 dan 5 periode.

Tabel 4.5 Forecast Metode Moving Average (3 Periode) Part Guide Clutch Outer

Month

Forecast by periode

Actual Data

3

4

5

Januari

34,650

Februari

52,990

Maret

41,265

April

40,740

42,968

(34,650+52,990+41,265)/3 = 42,968

Mei

41,301

44,998

Juni

38,044

41,102

(52 990+41 265+40 740)/3 = 44 998

Juli

47,249

(41 265+40 740+41 301)/3 = 41 102


Month

Actual Data

Forecast by periode 4

Januari

34,650

Februari

52,990

Maret

41,265

April

40,740

42,411

Mei

41,301

44,074

Juni

38,044

40,337

Juli

47,249

5

(34,650+52,990+41,265+40,740)/4 = 42,411 (52,990+41,265+40,740+41,301)/4 = 44,074

(41,265+40,740+41,301+38,044)/4 = 40,337

41


Month

Actual Data

Forecast by periode 5

Januari

34,650

Februari

52,990

Maret

41,265

April

40,740

Mei

41,301

Juni

38,044

42,189

Juli

47,249

42,868

Agustus

61,565

41,720

(34,650+52,990+41,265+40,740+ 41,301)/5 = 42,189 (52,990+41,265+40,740+41,301+ 38,044)/5 = 42,868 (41,265+40,740+41,301+38,044+ 47,249)/5 = 41,720

Perhitungan peramalan dengan metode ini ditunjukkan pada tabel 4.8

Perhitungan peramalan dengan metode Moving Averages 1.

Perhitungan nilai peramalan periode-4 adalah sebagai berikut : Ŷ4 = (Y1 + Y2 + Y3)/3 = (34,650+52,990+41,265)/3 = 42,968 Unit

2.

Perhitungan error untuk data periode ke-4 adalah sebagai berikut :

e4 = Y4 – Ŷ4 = 40,740 – 42,968 = -2,228 Unit

42

3.

Perhitungan RSFE periode ke-4 (Ratio of running sum of forecast errors) RSFE (4) = RSFE (3) + e4 = 0 + (-2,228) = -2,228 RSFE (5) = RSFE (4) + e5 = (-2,228) + (-3,698) = -5,926

4.

Perhitungan persentase error periode ke-4 PE (4) = e4 / Y4 = -2,228 / 40,740 = -5,5%

Untuk perhitungan Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE) untuk peramalan semua part, dilakukan mulai dari periode ke-6 (Juni) agar perhitungan setiap metode peramalan bisa dibandingkan. 5.

Perhitungan Mean Absolute Deviation (MAD)

MAD =

∑ ΙeΙ n

MAD = 84,109 / 11 MAD = 7,646

43

6.

Perhitungan Mean Square Error (MSE) n

MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error (Periode 6 – 12) / 7 = 1,222,271,125/ 7 = 174,610,161

7.

Perhitungan Mean Absolute Percentage Error (MAPE) | Yt − Yˆt | ∑ Y t MAPE = t =1 n n

MAPE = Sum Absolute Percentage Error (Periode 6 – 12) / 7 = 152,3/ 7 = 21,76 8.

Perhitungan Tracking Signal (TS)

TS = TS

RSFE (Periode 6) MAD(Periode 6) = -8,984 / 1,797 = -5

44

Tabel 4.8

Single Moving Average (3 Periode)

Single Moving Average (3 Periode) Part Name GUIDE,CLUTCH OUTER (22115-KPH -9001)

Forecast tperiode

Error

Ratio of running sum of forecast errors

Cummulat Absolute Mean ive Percentag Square Error Percentag Absolute Absolute e Error e error Error Error

Month

Periode

Actual data

M Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember

t 1 2 3 4 5 6 7 8 9 10 11 12

Yt 34,650 52,990 41,265 40,740 41,301 38,044 47,249 61,565 67,860 40,305 54,355 45,352

Ŷt

et

RSFE

Ie tI

Σ Ie I

e t2

e t/Yt

APE (%)

MAD

TS

42,968 44,998 41,102 40,028 42,198 48,952 58,891 56,577 54,173

-2,228 -3,698 -3,058 7,221 19,367 18,908 -18,586 -2,222 -8,821

-2,228 -5,926 -8,984 -1,764 17,604 36,511 17,925 15,704 6,882

2,228 3,698 3,058 7,221 19,367 18,908 18,586 2,222 8,821

2,228 5,926 8,984 16,205 35,572 54,480 73,066 75,288 84,109

4,965,469 13,672,492 9,353,199 52,135,620 375,094,892 357,501,119 345,436,918 4,936,395 77,812,981

-5.5 -9.0 -8.0 15.3 31.5 27.9 -46.1 -4.1 -19.5

5.5 9.0 8.0 15.3 31.5 27.9 46.1 4.1 19.5

743 1,481 1,797 2,701 5,082 6,810 8,118 7,529 7,646

-3.00 -4.00 -5.00 -0.65 3.46 5.36 2.21 2.09 0.90

436,771

429,888 Mean Square Error (MSE):

MAPE (%)

21.76

Sum

Absolute Error

174,610,161

Tracking Signal

45

4.2.3 Peramalan permintaan metode Weighted Moving Averages. Perhitungan peramalan dengan menggunakan metode Weighted Moving Average tidak jauh berbeda dengan metode Moving Average biasa. Hanya untuk perhitungan peramalan diberikan bobot yang bertujuan untuk memberikan penekanan yang lebih pada nilai terkini. Perhitungan peramalan dengan metode ini ditunjukkan pada lampiran 2. Berikut perhitungan peramalan dengan metode Weighted Moving Average : 1.

2.

Penentuan Bobot untuk 3 Periode : n-1

=3

n-2

=2

n-3

=1

Perhitungan nilai peramalan periode-4 adalah sebagai berikut : Ŷ4 = {(Y1x1) + (Y2x2) + (Y3x3)}/3 = {(34,650x1)+(52,990x2)+(41,265x3)}/3 = 44,071 Unit

3.

Perhitungan error untuk data periode ke-4 adalah sebagai berikut :

e4 = Y4 – Ŷ4 = 40,740 – 44,071 = -3,331 Unit

46

4.

Perhitungan RSFE periode ke-4 (Ratio of running sum of forecast errors) RSFE (4) = RSFE (3) + e4 = 0 + (-3,331) = -3,331 RSFE (5) = RSFE (4) + e5 = -3,331) + (-1,656) = -4,987

5.

Perhitungan persentase error periode ke-4 PE (4) = e4 / Y4 = -3,331 / 40,740 = -8,2%

Sama dengan metode Moving Average, untuk perhitungan Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE) untuk peramalan semua part, dilakukan mulai dari periode ke-6 (Juni) agar perhitungan setiap metode peramalan bisa dibandingkan.

6.

Perhitungan Mean Absolute Deviation (MAD) MAD =

∑ ΙeΙ n

MAD = 78, 997 / 11 MAD = 7,182

47

7.


MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error (Periode 6 – 12) / 7 = 1,160,368,259 / 7 = 165,766,894 8.

Perhitungan Mean Absolute Percentage Error (MAPE) n

MAPE =

∑ t =1

| Yt − Yˆt | Yt n

MAPE = Sum Absolute Percentage Error (Periode 6 – 12) / 7 = 147,8 / 7 = 21,11 %

9.

Perhitungan Tracking Signal (TS)

TS = TS

RSFE (Periode 6 ) MAD(Periode 6) = -8,051 / 1,610 = -5

48

Tabel 4.9

Single Moving Average Weighted (3 Periode)

Single Moving Average Weighted (3 Periode) Part Name GUIDE,CLUTCH OUTER (22115-KPH -9001)

Forecast tperiode

Error


Absolute Error

Cummulat ive Absolute Error

Square Error

Absolute Mean Percentag Percentag Absolute e Error e error Error

Tracking Signal

Month

Periode

Actual data


t 1 2 3 4 5 6 7 8 9 10 11 12

Yt 34,650 52,990 41,265 40,740 41,301 38,044 47,249 61,565 67,860 40,305 54,355 45,352

Ŷt

et

RSFE

Ie tI

Σ Ie I

e t2

e t/Yt

APE (%)

MAD

TS

44,071 42,957 41,108 39,579 43,189 52,873 62,326 53,034 51,923

-3,331 -1,656 -3,064 7,670 18,376 14,987 -22,021 1,321 -6,570

-3,331 -4,987 -8,051 -381 17,995 32,982 10,961 12,283 5,712

3,331 1,656 3,064 7,670 18,376 14,987 22,021 1,321 6,570

3,331 4,987 8,051 15,721 34,097 49,084 71,106 72,427 78,997

11,094,451 2,742,226 9,389,628 58,827,366 337,679,214 224,624,157 484,932,515 1,746,318 43,169,061

-8.2 -4.0 -8.1 16.2 29.8 22.1 -54.6 2.4 -14.5

8.2 4.0 8.1 16.2 29.8 22.1 54.6 2.4 14.5

1,110 1,247 1,610 2,620 4,871 6,136 7,901 7,243 7,182

-3.00 -4.00 -5.00 -0.15 3.69 5.38 1.39 1.70 0.80

436,771


MAPE (%)

21.11

Sum

165,766,894

49

4.2.4 Peramalan permintaan metode Single Eksponential Smoothing

Metode Single Smoothing Exponential memerlukan nilai α. Disini nilai α ditentukan 0,2. Menurut Makridakis (1999,p85), untuk menemukan nilai α yang optimal memerlukan beberapa percobaan. Hasil perhitungan peramalan dengan metode ini ditunjukkan pada lampiran 3. Disini diasumsikan bahwa Ŷ1 = Y1 karena nilai Ŷ1 belum dapat diketahui. Perhitungan peramalan dengan metode Single Exponential Smoothing adalah sebagai berikut : 1. Perhitungan nilai peramalan untuk periode ke-2 adalah sebagai berikut Yˆt = Yˆt −1 + α (Yt −1 − Yˆt −1 )

Ŷ2 = 34,650 + 0,2 (34,650-34,650) = 34,650 Perhitungan nilai peramalan untuk periode ke-3 sebagai berikut : Ŷ3 = 34,650 + 0.2 (52,990-34,650) = 38,318 2. Perhitungan error untuk data ke-3 sebagai berikut :

e3 = Y3 – Ŷ3 = 41,265 – 38,318 = 2,947 Unit

50

3. Perhitungan RSFE periode ke-3 (Ratio of running sum of forecast errors) RSFE (3) = RSFE (2) + e3 = 18,340 + 2,947 = 21,287 4. Perhitungan persentase error periode ke-3 PE (3) = e3 / Y3 = 2,947 / 41,265 = 7,1% Sama dengan metode Moving Average dan Weighted Moving Average untuk perhitungan Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE) untuk peramalan semua part, dilakukan mulai dari periode ke-6 (Juni) agar perhitungan setiap metode peramalan bisa dibandingkan.

6.

Perhitungan Mean Absolute Deviation (MAD)

MAD =

∑ ΙeΙ n

MAD = 97, 950 / 11 MAD = 8,886

51

7.


MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error (Periode 6 – 12) / 7 = 1,154,851,142 / 7 = 164,978,735

8.


MAPE =

∑ t =1


MAPE = Sum Absolute Percentage Error (Periode 6 – 12) / 7 = 131,6 / 7 = 18,8 % 9.

Perhitungan Tracking Signal (TS) TS =

TS

RSFE (Periode 6 ) MAD(Periode 6)

= 23,511 / 5,356 = 4,39

52

Tabel 4.10

Single Exponential Smoothing

Single Exponential Smoothing Part Name GUIDE,CLUTCH OUTER (22115-KPH -9001) α: 0.2 Forecast tperiode

Error


Absolute Error

Cummulati ve Absolute Error

Square Error

Absolute Mean Percentag Percentag Absolute e Error e error Error

Month

Periode

Actual data


t 1 2 3 4 5 6 7 8 9 10 11 12

Yt 34,650 52,990 41,265 40,740 41,301 38,044 47,249 61,565 67,860 40,305 54,355 45,352

Ŷt

et

RSFE

Ie tI

Σ Ie I

e t2

e t/Yt

APE (%)

MAD

TS

34,650 34,650 38,318 38,907 39,274 39,679 39,352 40,931 45,058 49,619 47,756 49,076

18,340 2,947 1,833 2,027 -1,636 7,896 20,634 22,802 -9,313 6,599 -3,723

18,340 21,287 23,120 25,146 23,511 31,407 52,041 74,843 65,529 72,129 68,405

18,340 2,947 1,833 2,027 1,636 7,896 20,634 22,802 9,313 6,599 3,723

18,340 21,287 23,120 25,146 26,782 34,679 55,312 78,114 87,427 94,026 97,750

336,355,600 8,684,809 3,358,423 4,107,837 2,675,436 62,354,068 425,744,102 519,929,101 86,736,381 43,548,259 13,863,794

34.6 7.1 4.5 4.9 -4.3 16.7 33.5 33.6 -23.1 12.1 -8.2

34.6 7.1 4.5 4.9 4.3 16.7 33.5 33.6 23.1 12.1 8.2

18,340 10,644 7,707 6,287 5,356 5,780 7,902 9,764 9,714 9,403 8,886

1.00 2.00 3.00 4.00 4.39 5.43 6.59 7.66 6.75 7.67 7.70

436,771

389,652 Sum Square Error :

MAPE (%)

18.80

Sum

1,154,851,142

Tracking Signal

53

4.2.5 Peramalan permintaan metode Eksponential Smoothing adjusted with Trend Holts Method Perhitungan peramalan dengan menggunakan metode Eksponential Smoothing adjusted with Trend Holts Method, menggunakan asumsi α = 0,2 dan

β = 0,5. Hasil perhitungan peramalan dengan metode ini ditunjukkan pada lampiran 4. Disini diasumsikan bahwa Ŷ1 = Y1 karena nilai Ŷ1 belum dapat diketahui. Nilai T1 diasumsikan 1000. Perhitungan peramalan dengan metode Eksponential Smoothing adjusted with Trend Holts Method adalah sebagai berikut

1. Peramalan dengan eksponensial yang dihaluskan

Yˆt = αYt −1 + (1 − α )(Yˆt −1 + Tt −1 ) Yˆ2 = (0,2 x 34,650) + (1-0,2) x ( 34,650+1000) = 35,450 Unit 2. Trend dengan eksponensial yang dihaluskan Tt = β (Yˆt − Yˆt −1 ) + (1 − β )Tt −1

T2 = 0,5 (35,450-34,650)+(1-0,5) x 1000 = 900 Unit 3. Peramalan dengan Trend untuk periode ke-2 adalah : FITt = Yˆt + Tt ) FIT2 = 35,450 + 900

= 36,350 Unit

54

3. Perhitungan error untuk data ke-2 sebagai berikut :

e2

= Y2 - FIT2 = 52,990 – 36,350 = 16,640 Unit

4. Perhitungan RSFE periode ke-2 (Ratio of running sum of forecast errors) RSFE (2) = RSFE (1) + e2 = 0 + 16,640 = 16,640 Perhitungan RSFE periode ke-3 RSFE (3) = RSFE (2) + e3 = 16,640 + (-1,097) = 15,543

5. Perhitungan persentase error periode ke-2 PE (2) = e2 / Y2 = 16,640 / 52,990 = 31,4% Perhitungan persentase error periode ke-3 PE (3) = e3 / Y3 = (-1,097) / 41,265 = -2,7%

55

Sama dengan metode Moving Average, Weighted Moving Average dan Single Exponential Smoothing, untuk perhitungan Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE) untuk peramalan semua part, dilakukan mulai dari periode ke-6 (Juni) agar perhitungan setiap metode peramalan bisa dibandingkan.

6.


∑ ΙeΙ n

MAD = 91, 374 / 11 MAD = 8,307

7.


MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error (Periode 6 – 12) / 7 = 945,624,397 / 7 = 135,089,200

8.


MAPE =

∑ t =1


MAPE = Sum Absolute Percentage Error (Periode 6 – 12) / 7

56

= 138,3 / 7 = 19,76 %

9.

Perhitungan Tracking Signal (TS) TS = TS

RSFE (Periode 6 ) MAD(Periode 6) = 6,573 / 5,341 = 1,23

57

Tabel 4.11

Exponential Smoothing adjusted with Trend Holts Method

Eksponential Smoothing adjusted with Trend Holts Method Part Name GUIDE,CLUTCH OUTER (22115-KPH -9001) α: β: 0.2 0.5

Error


FITt

et

RSFE

1,000 900 2,604 1,853 1,314 1,024 479 1,134 2,714 3,704 975 1,190

35,650 36,350 42,362 42,712 42,950 43,392 42,783 45,227 51,101 56,786 52,301 53,922

16,640 -1,097 -1,972 -1,649 -5,349 4,466 16,338 16,759 -16,481 2,054 -8,570

16,640 15,543 13,571 11,922 6,573 11,039 27,377 44,136 27,655 29,709 21,139

14,388

431,175 Sum Square Error :

Forecast Forecast tTrend Include periode Adjusment Trend

Month

Periode

Actual data


t 1 2 3 4 5 6 7 8 9 10 11 12

Yt 34,650 52,990 41,265 40,740 41,301 38,044 47,249 61,565 67,860 40,305 54,355 45,352

Ŷt

Tt

34,650 35,450 39,758 40,859 41,636 42,369 42,304 44,093 48,387 53,082 51,326 52,732

436,771

416,787

Sum

Cummulati Absolute Mean Absolute ve Percentage Square Error Percentage Absolute Error Absolute Error error Error Error

Tracking Signal

Ie tI

Σ Ie I

e t2

e t/Yt

APE (%)

MAD

TS

16,640 1,097 1,972 1,649 5,349 4,466 16,338 16,759 16,481 2,054 8,570 63,095

16,640 17,737 19,709 21,358 26,707 31,173 47,511 64,270 80,750 82,804 91,374

276,889,600 1,203,409 3,889,178 2,719,960 28,608,367 19,942,202 266,938,142 280,854,243 271,618,030 4,218,948 73,444,467

31.4 -2.7 -4.8 -4.0 -14.1 9.5 26.5 24.7 -40.9 3.8 -18.9

31.4 2.7 4.8 4.0 14.1 9.5 26.5 24.7 40.9 3.8 18.9

16,640 8,869 6,570 5,340 5,341 5,195 6,787 8,034 8,972 8,280 8,307

1.00 1.75 2.07 2.23 1.23 2.12 4.03 5.49 3.08 3.59 2.54

945,624,397 MAPE (%)

19.76

58

4.2.6 Peramalan permintaan metode Eksponential Smoothing adjusted for Trend & Seasonal variation : Winters Model

Perhitungan dengan menggunakan metode Eksponential smoothing Adjusted for Trend & Seasonal variation : Winters Model, menggunakan asumsi

α = 0,2 dan β = 0,5 dan γ = 0,3. Hasil perhitungan peramlan dengan metode ini ditunjukkan pada lampiran 5. Disini diasumsikan bahwa Ŷ1 = Y1 karena nilai Ŷ1 belum dapat diketahui. Nilai T1 diasumsikan 1000, nilai initial smoothed adalah 1. Perhitungan untuk periode ke-2 dengan metode Eksponential smoothing Adjusted for Trend & Seasonal variation : Winters Model adalah sebagai berikut : 1.

Pemulusan Eksponential Y Yˆt = α t + (1 − α )(Yˆt −1 + Tt −1 ) St−L

52,990 Yˆ2 = 0,2 + (1 − 0,2)(34,650 + 1000) 1

Yˆ2 = 39,118

41,265 Yˆ3 = 0,2 + (1 − 0,2)(39,118 + 2,734) 1 Yˆ2 = 41,735 2.

Perkiraan kecendrungan Tt = β (Yˆt − Yˆt −1 ) + (1 − β )Tt −1

T2 = 0,5 (35,450-34,650)+(1-0,5) x 1000 = 900 Unit

59

T3 = 0,5 (39,118-34,650)+(1-0,5) x 1000 = 2,734 Unit

3.

Perkiraan nilai musiman S2 = γ

Yt + (1 − γ ) S t − L Yˆt

S 2 = 0,3

52,990 + (1 − 0,3)1 39,118

S 2 = 1,11

4.

Peramalan pada periode 3 adalah Yˆt + p = Yˆt + pTt ) S t − L+ p

Yˆ2+1 = 39,118 + 1(2,734)1

Yˆ2+1 = 41,852

Peramalan pada periode 4 adalah Yˆ3+1 = 41,735 + 1(2,675)1 Yˆ3+1 = 44,410

60

5.

Perhitungan error untuk data ke-2 sebagai berikut :

e2

= Yt - Yˆt + p = 52,990 – 35,650 = 17,340 Unit

6.

Perhitungan RSFE periode ke-2 (Ratio of running sum of forecast errors) RSFE (2) = RSFE (1) + e2 = 0 + 17,340 = 17,340 Perhitungan RSFE periode ke-3 RSFE (3) = RSFE (2) + e3 = 17,340 + (-587) = 16,753

7.

Perhitungan persentase error periode ke-2 PE (2) = e2 / Y2 = 17,340 / 52,990 = 32,7% Perhitungan persentase error periode ke-3 PE (3) = e3 / Y3 = -587 / 41,265 = -1,4 %

61

Sama dengan metode Moving Average, Weighted Moving Average, Single Exponential Smoothing dan Eksponential Smoothing adjusted with Trend Holts Method untuk perhitungan Mean Absolute Deviation (MAD), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE) untuk peramalan semua part, dilakukan mulai dari periode ke-6 (Juni) agar perhitungan setiap metode peramalan bisa dibandingkan.

8.


∑ ΙeΙ n

MAD = 102, 199 / 11 MAD = 9,291

9.


MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error (Periode 6 – 12) / 7 = 1,084,827,113 / 7 = 154,975,302

10.


MAPE =

∑ t =1


62

MAPE = Sum Absolute Percentage Error (Periode 6 – 12) / 7 = 155,8 / 7 = 22,26 %

11.

Perhitungan Tracking Signal (TS) TS = TS

RSFE (Periode 6 ) MAD(Periode 6) = -444 / 7,025 = -0.06

63

Tabel 4.12

Exponential Smoothing adjusted for Trend & Seasonal variation : Winters Model

Eksponential Smoothing adjusted for Trend & Seasonal variation : Winters Model Part Name GUIDE,CLUTCH OUTER (22115-KPH -9001) α: β: 0.2 0.5 γ:

Month

Periode

Actual data


t 1 2 3 4 5 6 7 8 9 10 11 12

Yt 34,650 52,990 41,265 40,740 41,301 38,044 47,249 61,565 67,860 40,305 54,355 45,352

Sum

0.3

Forecast Forecast Trend Seasonal Include t-periode Adjusment value Trend

Error

Ratio of Cum running Absolute Absolute sum of Error Error forecast errors

Square Error

% Error

Mean Absolute Absolute % error Error

Tracking Signal

Ŷt

Tt

St

Ŷt+p

et

RSFE

Ie tI

Σ Ie I

e t2

e t/Yt

APE (%)

MAD

TS

34,650 39,118 41,735 43,676 45,048 45,119 46,309 50,219 55,740 55,858 57,207 56,201

1,000 2,734 2,675 2,308 1,840 956 1,073 2,491 4,006 2,062 1,706 350

1.00 1.11 1.00 0.98 0.98 0.95 1.01 1.07 1.07 0.92 0.99 0.94

34,650 35,650 41,852 44,410 45,984 46,887 46,074 47,382 52,710 59,746 57,920 58,913

17,340 -587 -3,670 -4,684 -8,844 1,174 14,183 15,150 -19,441 -3,565 -13,561

17,340 16,753 13,083 8,400 -444 730 14,913 30,063 10,622 7,057 -6,504

17,340 587 3,670 4,684 8,844 1,174 14,183 15,150 19,441 3,565 13,561

17,340 17,927 21,597 26,280 35,124 36,299 50,481 65,632 85,073 88,638 102,199

300,675,600 344,569 13,468,166 21,935,453 78,214,231 1,379,042 201,153,504 229,525,534 377,953,157 12,711,433 183,890,212

32.7 -1.4 -9.0 -11.3 -23.2 2.5 23.0 22.3 -48.2 -6.6 -29.9

32.7 1.4 9.0 11.3 23.2 2.5 23.0 22.3 48.2 6.6 29.9

17,340 8,964 7,199 6,570 7,025 6,050 7,212 8,204 9,453 8,864 9,291

1.00 1.87 1.82 1.28 -0.06 0.12 2.07 3.66 1.12 0.80 -0.70

436,771 455,376

16,792


154,975,302 MAPE (% 22.26

64

4.2.

Perbandingan Uji Pola Data dengan 5 Metode Peramalan

Berdasarkan hasil perhitungan dengan lima metode peramalan tersebut, maka didapat nilai MAD, MAPE dan MSE untuk masing-masing data yang ditunjukkan pada tabel 4.13. Keterangan tabel : SMA 3

: Single Moving Average (3 Periode)

SMA 3 W

: Single Moving Average Weighted (3 Periode)

SMA 4


SMA 4 W


SMA 5


SMA 5 W


SES

: Single Exponential Smoothing

EST

: Exponential Smoothing adjusted with Trend Holts Method

ESTS

: Exponential Smoothing adjusted for Trend & Seasonal Variation : Winters Model

Nilai MAD terkecil, sebagian besar berada di metode Single Weighted Moving Averages 5 Periode. Nilai MAPE terkecil, sebagian besar berada di Exponential Smoothing adjusted for Trend & Seasonal variation : Winters Model. Sedangkan nilai MSE terkecil, sebagian besar juga berada di Exponential Smoothing adjusted for Trend & Seasonal variation : Winters Model. Sehingga dapat disimpulkan, pola data untuk kesepuluh part tersebut adalah pola kecendrungan (Trend).

65

Tabel 4.13 No Part Name

SMA 3

SMA 3 W

SMA 4

SMA 4 W

SMA 5

SMA 5 W

SES

EST

ESTS

MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE MAD MAPE MSE

Perbandingan hasil uji pola data

1 2 3 5 COLLAR, GUIDE, SHAFT GEAR SHIFT CLUTCH CENTER ROCKER ARM DRUM OUTER CLUTCH 7,646 16,845 28,877 57,753 21.76 26.11 26.11 26.11 174,610,161 613,205,161 1,802,072,311 7,208,289,245 7,182 16,920 29,005 58,010 21.11 26.13 26.13 26.13 165,766,894 685,745,425 2,015,251,862 8,061,007,450 7,160 18,081 30,997 61,993 21.45 27.22 27.22 27.22 171,382,463 677,641,204 1,991,435,376 7,965,741,502 6,991 17,316 29,684 59,369 21.24 26.57 26.57 26.57 163,272,200 672,086,222 1,975,110,530 7,900,442,120 6,692 17,389 29,811 59,621 19.69 29.75 29.75 29.75 161,033,345 826,658,058 2,429,362,456 9,717,449,825 6,804 15,789 27,067 54,134 20.73 27.63 27.63 27.63 159,415,057 712,100,281 2,092,702,866 8,370,811,464 8,886 26,714 45,796 91,592 18.80 33.46 33.46 33.46 164,978,735 1,178,541,046 3,463,467,564 13,853,870,258 8,307 22,043 39,518 81,457 19.76 29.10 30.02 30.67 135,089,200 832,385,797 2,617,216,810 10,977,658,835 9,291 15,165 26,801 54,773 22.26 21.44 21.85 22.13 154,975,302 497,453,278 1,480,176,716 5,975,329,146

4

6

7

PUMP PIVOT OIL

PIN PISTON

BOSS,DRIVE FACE

19,251 26.11 800,921,027 19,337 26.13 895,667,494 20,664 27.22 885,082,389 19,790 26.57 877,826,902 19,874 29.75 1,079,716,647 18,045 27.63 930,090,163 30,531 33.46 1,539,318,918 25,538 29.37 1,109,413,812 17,477 21.56 652,103,531

31,804 20.96 2,843,713,161 33,351 21.59 3,081,827,531 33,241 20.85 3,021,829,043 32,857 21.29 2,999,189,417 32,988 22.53 3,480,776,277 30,862 21.70 3,105,375,502 52,438 26.49 4,707,227,282 45,700 24.04 3,710,825,214 34,666 18.97 2,568,357,506

5,031 19.83 59,963,187 4,626 17.97 51,933,729 4,989 20.34 70,433,632 4,617 18.92 57,516,244 4,704 19.27 72,022,768 4,558 19.03 60,728,887 5,367 18.13 78,991,090 4,973 16.50 44,552,589 5,962 20.56 63,448,902

8 SHAFT COMP,OIL PUMP 5,031 19.83 59,963,187 4,626 17.97 51,933,729 4,989 20.34 70,433,632 4,617 18.92 57,516,244 4,704 19.27 72,022,768 4,558 19.03 60,728,887 5,367 18.13 78,991,090 4,973 16.50 44,552,589 5,962 20.56 63,448,902

9 BUSH,M STAND 10,061 19.83 239,852,749 9,251 17.97 207,734,918 9,977 20.34 281,734,527 9,234 18.92 230,064,977 9,408 19.27 288,091,070 9,115 19.03 242,915,546 10,733 18.13 315,964,360 10,011 16.62 208,379,840 12,322 21.71 274,806,018

10 SHAFT,IN ROCKER ARM 5,031 19.83 59,963,187 4,626 17.97 51,933,729 4,989 20.34 70,433,632 4,617 18.92 57,516,244 4,704 19.27 72,022,768 4,558 19.03 60,728,887 5,367 18.13 78,991,090 4,973 16.50 44,552,589 5,962 20.56 63,448,902

66

4.3.

Penentuan Metode Peramalan

Berdasarkan tabel perbandingan hasil uji pola data diatas, dimana pola permintaan part dari PT Astra Honda Motor menunjukkan pola kecendrungan (Trend) dengan dasar nilai MSE dan MAPE terkecil sebagian besar berada di metode Exponential Smoothing adjusted for Trend & Seasonal variation : Winters Model. Mengacu pada tabel 2.1 terdapat beberapa metode peramalan untuk pola data kecendrungan. Dalam penilitian ini akan dibahas metode Exponential Smoothing adjusted for Trend & Seasonal variation : Winters Model, Brown’s Linear Eksponential Smoothing dan Linear Regression. Berdasarkan ketiga metode tersebut akan dipilih metode peramalan pola data trend yang paling efektif.

4.5

Perhitungan Metode Peramalan untuk Pola Data Kecendrungan

Untuk menentukan metode peramalan yang paling sesuai untuk data permintaan part dari PT Astra Honda Motor tersebut, maka dilakukan perhitungan untuk ketiga metode tersebut. Nilai MSE, MAD dan MAPE terkecil akan menjadi dasar pemilihan metode terbaik.

4.5.1 Linear Regression

Berikut ini perhitungan peramalan dengan metode Linear Regression . Pada sub bab ini hanya ditampilkan perhitungan untuk 1 part (Guide Clutch Outer) saja. Sedangkan perhitungan untuk part lainnya terdapat pada lampiran 12.

67

1. Perhitungan Slope dan intersep

b=

∑ t (Y ) − n(t − bar )(Y − bar ) ∑ t − n(t − bar )

b=

3,841,337 − 12(6.5)(47,140) 650 − 12(6.5) 2

t

t

2

2

b = 1,149.77

a = (Yt − bar ) − b(t − bar ) a = 47,140 – (1,149.77 x 6.5) a = 39,666.13

2. Nilai peramalan untuk periode t=2 (Februari 2006) adalah : Yˆt = a + bt

Yˆ2 = 39,666.13 + (1,149.77 × 2)

Yˆ2 = 41,966

3. Perhitungan error untuk periode t=2 (Februari 2006) adalah :

e2

= Yt - Yˆt + p = 52,990 – 41,966 = 11,024 Unit

68

4. Perhitungan Mean Absolute Deviation (MAD) MAD =

∑ ΙeΙ n

MAD = 87,225 / 12 MAD = 7,269

5. Perhitungan Mean Square Error (MSE) n

MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error/12 = 932,813,410 / 12 = 77,734,451 6. Perhitungan Mean Absolute Percentage Error (MAPE) n

MAPE =

∑ t =1


MAPE = Sum Absolute Percentage Error / 12 = 180.6/ 12 = 15 %

69

4.5.2 Brown’s Linear Eksponential Smoothing

Perhitungan

dengan

menggunakan

metode

Brown’s

Eksponential

Smoothing menggunakan asumsi α = 0.2. Pada sub bab ini hanya ditampilkan perhitungan untuk 1 part (Guide Clutch Outer) saja. Sedangkan perhitungan untuk part lainnya terdapat pada lampiran 13. Diasumsikan bahwa A1, A2 = Y1 Contoh perhitungan peramalan untuk periode ke-3. 1. Perhitungan Single smoothed statistic At1 = α (Yt ) + (1 − α ) At1−1 A21 = 0.2(52,990) + (1 − 0.2)34,650 A21 = 38,318

2. Perhitungan Double smoothed statistic At2 = α ( S t1 ) + (1 − α ) At2−1 A22 = 0.2(38,318) + (1 − 0.2)34,650 A22 = 35,384

3. Perhitungan perbedaan nilai pemulusan ( at ) at = 2 At1 − At2 a3 = 2(38,318) − 35,384 = 41,252

70

4. Perhitungan Slope (Adjustment Factor bt ) bt = bt =

α 1−α

( At1 − At2 )

0.2 (38,318 − 35,384) 1 − 0.2

= 733.6 5. Nilai peramalan untuk periode t=5 adalah : Yˆt + p = (a + bt T ) Yˆ4+1 = (341,822 + 637,1(1) Yˆ4+1 = 42,459

6. Perhitungan error untuk periode t=5 adalah :

e5

= Yt - Yˆt = 41,301 – 42,459 = -1,159 Unit


∑ ΙeΙ n

MAD = 77,212 / 11 MAD = 7,019

71

6. Perhitungan Mean Square Error (MSE) n

MSE =

∑ (Y

t

t =1

− Yˆt )

n

MSE = Sum Square Error/12 = 1,091,261,132 / 12 = 109,126,113

7. Perhitungan Mean Absolute Percentage Error (MAPE) | Yt − Yˆt | ∑ Y t MAPE = t =1 n n

MAPE = Sum Absolute Percentage Error / 12 = 155.7/ 12 = 15.6 %

4.5.2 Eksponential Smoothing adjusted for Trend & Seasonal variation : Winters Model Perhitungan dengan menggunakan metode Eksponential smoothing Adjusted for Trend & Seasonal variation : Winters Model, menggunakan asumsi

α = 0,2 dan β = 0,5 dan γ = 0,3. Hasil perhitungan peramlan dengan metode ini ditunjukkan pada lampiran 13. Disini diasumsikan bahwa Ŷ1 = Y1 karena nilai Ŷ1 belum dapat diketahui. Nilai T1 diasumsikan 1000, nilai initial smoothed adalah 1. Perhitungan untuk periode ke-2 dengan metode Eksponential smoothing Adjusted for Trend & Seasonal variation : Winters Model adalah sebagai berikut :

72

1. Pemulusan Eksponential Y Yˆt = α t + (1 − α )(Yˆt −1 + Tt −1 ) St−L

52,990 Yˆ2 = 0,2 + (1 − 0,2)(34,650 + 1000) 1 Yˆ2 = 39,118

41,265 Yˆ3 = 0,2 + (1 − 0,2)(39,118 + 2,734) 1 Yˆ2 = 41,735

2. Perkiraan kecendrungan Tt = β (Yˆt − Yˆt −1 ) + (1 − β )Tt −1 T2 = 0,5 (35,450-34,650)+(1-0,5) x 1000 = 900 Unit

T3 = 0,5 (39,118-34,650)+(1-0,5) x 1000 = 2,734 Unit

3. Perkiraan nilai musiman S2 = γ

Yt + (1 − γ ) S t − L Yˆ t

S 2 = 0,3

52,990 + (1 − 0,3)1 39,118

S 2 = 1,11

73

4. Peramalan pada periode 3 adalah Yˆt + p = Yˆt + pTt ) S t − L+ p

Yˆ2+1 = 39,118 + 1(2,734)1 Yˆ2+1 = 41,852 Peramalan pada periode 4 adalah Yˆ3+1 = 41,735 + 1(2,675)1 Yˆ3+1 = 44,410 8. Perhitungan error untuk data ke-2 sebagai berikut :

e2

= Yt - Yˆt + p = 52,990 – 35,650 = 17,340 Unit

9. Perhitungan RSFE periode ke-2 (Ratio of running sum of forecast errors) RSFE (2) = RSFE (1) + e2 = 0 + 17,340 = 17,340 Perhitungan RSFE periode ke-3 RSFE (3) = RSFE (2) + e3 = 17,340 + (-587) = 16,753

74

10. Perhitungan persentase error periode ke-2 PE (2) = e2 / Y2 = 17,340 / 52,990 = 32,7% Perhitungan persentase error periode ke-3 PE (3) = e3 / Y3 = -587 / 41,265 = -1,4 %


∑ ΙeΙ n

MAD = 102, 199 / 11 MAD = 9,291

12.


MSE =

∑ (Y t =1

t

− Yˆt )

n

MSE = Sum Square Error / = 1,421,250,902 / 12 = 129,204,627

75

13.

Perhitungan Mean Absolute Percentage Error (MAPE) | Yt − Yˆt | ∑ Y t MAPE = t =1 n n

MAPE = Sum Absolute Percentage Error / 12 = 210,3 / 12 = 19,12 %

4.6

Perbandingan Metode Peramalan untuk Pola Data Kecendrungan

Dari hasil perhitungan ketiga metode peramalan untuk pola data kecendrungan tersebut, yaitu Linear Regression, Brown’s Linear Eksponential Smoothing dan Eksponential Smoothing adjusted for Trend & Seasonal variation : Winters Model. Berikut adalah hasil perbandingan perhitungan ketiga metode peramalan tersebut :

75

Tabel 4.14

No

Part Name

1 GUIDE, CLUTCH OUTER

Perbandingan hasil peramalan Pola Kecendrungan

LINEAR

BLES

ESTS

MAD

MAPE

MSE

MAD

MAPE

MSE

MAD

MAPE

MSE

7,930

15.05

77,734,451

7,019

15.57

109,126,113

9,291

19.12

129,204,627

2 COLLAR, CENTER CLUTCH 11,928 15.72

226,552,523

16,838 22.54

503,219,654

15,165 20.59

402,177,795

3 SHAFT ROCKER ARM

20,448 15.72

665,787,007

28,866 22.54

1,478,849,595

26,801 21.27

1,211,808,023

5 GEAR SHIFT DRUM

40,896 15.72

2,663,148,028

57,731 22.54

5,915,398,381

54,773 21.78

4,936,030,945

4 PUMP PIVOT OIL

13,632 15.72

295,905,336

19,244 22.54

657,266,487

17,477 20.77

529,180,108

6 PIN PISTON

28,167 13.40

1,122,378,086

32,493 17.07

2,122,069,318

34,666 17.49

2,020,559,333

7 BOSS,DRIVE FACE

4,400

12.00

25,134,031

5,389

16.80

44,336,036

5,962

17.61

44,531,328

8 SHAFT COMP,OIL PUMP

4,400

12.00

25,134,031

5,389

16.80

44,336,036

5,962

17.61

44,531,328

9 BUSH,M STAND 10 SHAFT,IN ROCKER ARM

8,800

12.00

100,536,126

10,778 16.80

177,344,145

12,322 17.99

189,974,194

4,400

12.00

25,134,031

5,389

44,336,036

5,962

44,531,328

Keterangan : Linear BLES ESTS

16.80

: Linear Regression : Brown's Linear Ek sponential Regression : Ek sponential Smoothing Adjusted for Trend & Seasonal Variation : Winters

17.61

76

Berdasarkan perbandingan hasil metode peramalan untuk pola data kecendrungan. Didapat kesimpulan bahwa dari ketiga metode peramalan untuk pola data kecendrungan (Trend), yang mempunyai nilai MAD, MAPE dan MSE terkecil terpusat pada metode Linear Regression. Maka dari ketiga metode tersebut, metode yang paling sesuai untuk diaplikasikan adalah metode Linear Regression.

4.7

Perhitungan kapasitas produksi

Setelah peramalan permintaan dari PT Astra Honda Motor diketahui, maka langkah berikutnya yang harus dilakukan dalam pembuatan rencana produksi adalah penghitungan kapsitas produksi untuk masing-masing part. Perhitungan kapasitas produksi dilakukan dengan mencari jumlah produksi terkecil dari setiap process. Pada umumnya jumlah produksi terkecil terdapat pada proses yang memiliki waktu proses terlama (Bottleneck). Berikut data perhitungan kapasitas produksi per hari untuk setiap part

4.7.1 Perhitungan waktu kerja yang tersedia per hari

Total waktu kerja yang tersedia per hari adalah sebagai berikut : •

Senin – Jumat : 3 Shift (Shift Normal) o Shift 1

: Pkl 06.00 ~ 14.00 WIB : 8 Jam = 28,800 detik

o Shift 2

: Pkl 14.00 ~ 22.00 WIB : 8 Jam = 28,800 detik

77

o Shift 3

: Pkl 22.00 ~ 06.00 WIB : 8 Jam = 28,800 detik

Total waktu kerja yang tersedia per hari pada Senin sampai dengan Jumat (shift normal) adalah 86,400 detik. •

Sabtu o Shift 1

: 2 Shift ( Shift Pendek) : Pkl 06.00 ~ 11.00 WIB : 5 Jam = 18,000 detik

o Shfit 2

: Pkl 11.00 ~ 16.00 WIB : 5 Jam = 18,000 detik

Total waktu kerja yang tersedia per hari pada Sabtu (shift pendek) adalah 36,000 detik.

4.7.2 Perhitungan kapasitas produksi per proses

Dari data waktu kerja yang tersedia dan data urutan proses pembuatan part, maka dilakukan penghitungan hasil produksi untuk setiap proses. Pada penghitungan output produksi, ditetapkan efisiensi produksi per shift (Sisa waktu kerja yang terbuang) sebesar 85 % dan tidak ada kekurangan kapasitas untuk proses-proses yang disubkontrakkan. Berikut perhitungan hasil produksi untuk part Guide clutch outer. Sedangkan perhitungan untuk part lainnya terdapat pada lampiran 14.

78

Nama Part : Guide Clutch Outer Proses : 1. Turning Kapasitas Desain •

•

Kapasitas desain per shift (Senin-Jumat) : =

Total waktu kerja yang tersedia - Total jam istirahat Total waktu proses

=

28,800 - 3,600 = 1,200 pcs/shift 21

Kapasitas desain per hari (Senin-Jumat) : = Kapasitas desain per shift x Jumlah shift per hari = 1,200 x 3 = 3,600 pcs/hari

Kapasitas efektif •

Kapasitas efektif per shift (Senin-Jumat) : = Kapasitas desain x Efisiensi produksi = 1,200 x 0,85 = 1,020 pcs/shift

•

Kapasitas efektif per hari (Senin-Jumat) : = Kapasitas efektif per shift x Jumlah shift per hari = 1,020 x 3 = 3,060 pcs/shift

79

2. Chamfering Kapasitas Desain •

•



=

28,800 - 3,600 = 5,040 pcs/ shift 5




•


3. Grinding Kapasitas Desain •



80

= •

28,800 - 3,600 = 5,040 pcs/ shift 5




•


Dari hasil perhitungan kapasitas efektif untuk setiap proses untuk part Guide clutch outer, maka dapat disimpulkan bahwa output maksimal adalah output untuk proses terlama (bottleneck) yaitu sebanyak 3,060 pcs/hari. Berikut adalah data total kapasitas efektif untuk setiap part.

81

Tabel 4.15

Data Kapasitas Aktual CAPACITY Senin-Jumat

OP 1 2 3 4

1 2 3 4

PROCESS NAME GUIDE CLUTCH OUTER Turning Chamfering Grinding LCN or GSN SUBTOTAL COLLAR CENTER CLUTCH Turning Chamfering Grinding LCN or GSN SUBTOTAL

1 2 3 4 5 6

SHAFT ROCKER ARM Turning Chamfering Tapping Grinding Carburizing Grinding SUBTOTAL

1 2 3

GEAR SHIFT DRUM Turning Carburizing Grinding SUBTOTAL

1

PIVOT OIL PUMP Turning SUBTOTAL

1 2 3 4 5 6

PIN PISTON Turning Chamfering Grinding Carburizing Grinding I Grinding II SUBTOTAL

Sabtu

Total

Total

S1-2-3

S1-2

Per Minggu

Per Bulan

3,060 12,852 12,852

1,457 6,120 6,120

16,757 70,380 70,380

67,029 281,520 281,520

3,060

1,457

16,757

67,029

1,947 12,852 12,852

927 6,120 6,120

10,664 70,380 70,380

42,655 281,520 281,520

1,947

927

10,664

42,655

2,380 16,065 10,710 16,065

1,133 7,650 5,100 7,650

13,033 87,975 58,650 87,975

52,133 351,900 234,600 351,900

16,065 2,380

7,650 1,133

87,975 13,033

351,900 52,133

16,065

7,650

87,975

351,900

64,260 16,065

30,600 7,650

351,900 87,975

1,407,600 351,900

1,428 1,428

680 680

7,820 7,820

31,280 31,280

2,380 16,065 9,180

1,133 7,650 4,371

13,033 87,975 50,271

52,133 351,900 201,086

8,033 8,033 2,380

3,825 3,825 1,133

43,988 43,988 13,033

175,950 175,950 52,133

82

Tabel 4.15

Data Kapasitas Aktual (Cont..) CAPACITY Senin-Jumat

OP

PROCESS NAME

1 2 3 4 5 6 7

BOSS DRIVE FACE Turning Chamfer Induction Grinding awalan Hard Chrome Turning I.D Grinding SUBTOTAL

1 2 3 4 5

SHAFT COMP OIL PUMP Turning Milling + Drill LCN Assy1 (Shaft + Sprocket) Assy2 (Shaft + Roller) SUBTOTAL

1 2 3 4 5

BUSH M STAND Turning Chamfering Hardening Grinding Zinc Plating SUBTOTAL

1 2 3 4 5 6 1 2 3 4 5 6

SHAFT IN ROCKER ARM Turning Milling Ulir Milling Alur Milling Radius Grinding Hardening SUBTOTAL Turning Chamfering Grinding Carburizing Grinding I Grinding II SUBTOTAL

Sabtu

Total

Total

S1-2-3

S1-2

Per Minggu

Per Bulan

1,071 8,033

510 3,825

5,865 43,988

23,460 175,950

10,710

5,100

58,650

234,600

1,460 12,852 1,071

695 6,120 510

7,998 70,380 5,865

31,991 281,520 23,460

1,339 1,353

638 644

7,331 7,408

29,325 29,634

10,710 12,852 1,339

5,100 6,120 638

58,650 70,380 7,331

234,600 281,520 29,325

1,397 8,033

665 3,825

7,650 43,988

30,600 175,950

9,180

4,371

50,271

201,086

1,397

665

7,650

30,600

1,071 1,836 2,008 2,142 12,852

510 874 956 1,020 6,120

5,865 10,054 10,997 11,730 70,380

23,460 40,217 43,988 46,920 281,520

1,071 2,380 16,065 9,180

510 1,133 7,650 4,371

5,865 13,033 87,975 50,271

23,460 52,133 351,900 201,086

8,033 8,033 2,380

3,825 3,825 1,133

43,988 43,988 13,033

175,950 175,950 52,133

83

4.7.3 Perbandingan data kapasitas aktual vs Demand

Dari data kapasitas yang sudah diperoleh dari penghitungan kapasitas aktual. Kemudian data tersebut dibandingkan dengan permintaan pelanggan (demand). Hal ini bertujuan untuk mengetahui apakah kapasitas yang ada saat ini sudah mencukupi untuk pemenuhan permintaan pelanggan. Data ini merupakan acuan dalam pembuatan perencanaan produksi untuk masa yang akan datang, terutama dalam perencanaan kapasitas jangka panjang, maupun perencanaan investasi. Berikut perbandingan data kapasitas aktual terhadap permintaan pelanggan untuk part Guide Clutch Outer. Adapun data perbandingan kapasitas aktual terhadap permintaan pelanggan untuk part lainnya ditampilkan pada lampiran 16. Tabel 4.16 Perbandingan Kapasitas vs Demand Jan 34,650 67,028

Demand Kapasitas

Feb 52,990 67,028

Mar 41,265 67,028

Apr 40,740 67,028

GUIDE,CLUTCH OUTER May Jun Jul 41,301 38,044 47,249 67,028 67,028 67,028

Aug 61,565 67,028

Sep 67,860 67,028

Oct 40,305 67,028

Nov 54,355 67,028

Perbandingan Demand vs Kapasitas Guide Clutch Outer 80,000 70,000

Quantity

60,000 50,000 Demand

40,000

Kapasitas

30,000 20,000 10,000 1

2

3

4

5

6

7

8

9

10

11

12

Periode

Grafik 4.2 Perbandingan Kapasitas vs Demand

Dec 45,352 67,028

84

4.8

Perhitungan Master Production Schedule (MPS)

Berdasarkan hasil perhitungan metode peramalan untuk pola kecendrungan, dimana metode linear regression merupakan metode yang paling sesuai untuk pola data untuk kesepuluh part tersebut. Maka langkah berikutnya, metode tersebut digunakan untuk penghitungan peramalan permintaan untuk periode 2 bulan kedepan, yaitu Januari dan Februari 2007. Data tersebut akan digunakan untuk Master Production Schedule (MPS). Berikut perhitungan MPS untuk periode Januari dan Februari 2007 Berdasarkan persamaan hasil perhitungan dengan metode regresi linear pada pembahasan sebelumnya yaitu : Yˆt = a + bt

Dimana a = 39,666.13 dan b = 1,149.77

Sehingga : Yˆt = 39,666.13 + 1,149.77(t )

Peramalan permintaan untuk periode Januari 2007 (periode 13) adalah : Yˆt = 39,666.13 + 1,149.77(t )

Yˆ13 = 39,666.13 + 1,149.77(13) Yˆ13 = 54,164 Pcs

Peramalan permintaan untuk periode Januari 2007 (periode 13) adalah : Yˆt = 39,666.13 + 1,149.77(t ) Yˆ14 = 39,666.13 + 1,149.77(14) Yˆ14 = 55,763 Pcs

85

Berdasarkan perhitungan peramalan diatas, maka Master Production Schedule untuk periode bulan januari dan februari 2007 adalah sebagai berikut :

Tabel 4.17

No 1 2 3 5 4 6 7 8 9 10

Master Production Schedule Januari dan Februari 2007

Part No 22115-KPH -9001 23112-GCE -9000-C1 14451-035-0002 24421-200-0002 15384-178-0001 13111-087-0002 22105-KVB -9000 15130-KVB -9000 11205-GBC -3000 14451-KVB -9000

Part Name

a

b

Guide Clutch Outer Collar Center Clutch Shaft Rocker Arm Gear Shift Drum Pump Pivot Oil Pin Piston Boss Drive Face Shaft Comp Oil Pump Bush M Stand Shaft In Rocker Arm

39,665 34,296 58,793 117,587 39,196 120,113 24,091 24,091 48,183 24,091

1,150 6,577 11,275 22,550 7,517 11,799 1,267 1,267 2,534 1,267

2007 Jan Feb 13 14 54,614 55,764 119,796 126,373 205,365 216,640 410,730 433,280 136,910 144,427 273,497 285,295 40,564 41,831 40,564 41,831 81,129 83,663 40,564 41,831

Total 110,379 246,170 422,005 844,010 281,337 558,792 82,396 82,396 164,791 82,396

BAB 4 PENGUMPULAN DAN ANALISA DATA

Recommend Documents