BAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi

BAB 5 HASIL DAN PEMBAHASAN

Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi program yang digunakan untuk membantu perusahaan dalam menentukan jumlah produksi demand. Disini ada 3 hal yang penting yang diingin dicapai yaitu: 1. Mengambil data masa lampau untuk diproses oleh program tersebut sehingga menghasilkan hasil yang terbaik dengan error yang terkecil. 2. Dapat membuat laporan jumlah produk jadi dari bagian marketing ke PPIC secara cepat tanpa manual namun bisa dilakukan revisi/adjustment. 3. Melakukan penentuan jadwal perencanaan produksi pakan ternak harian secara terkomputerisasi tanpa harus manual sehingga akan menghemat waktu. Secara garis besar, diharapkan pengguna hanya mengambil data yang diperlukan dan menginput data yang diminta, dan semua perhitungan akan dilakukan oleh aplikasi ini sesuai dengan rumus yang ada sehingga dengan pertolongan aplikasi ini hasil akan ditampilkan secara akurat dan dapat dipakai oleh karyawan sebagai patokan. Namun sebelum kita membahas mengenai aplikasi, penulis akan membahas secara manual contoh perhitungan sehingga nantinya yang kita hitung secara manual ini hasilnya akan sama dengan yang dihasilkan dengan menggunakan aplikasi tersebut.

96 5.1 Hasil Pengumpulan Data 5.1.1 Data Demand Tabel 5.1 Data Demand Pakan Ternak Famili Boiler (Dalam Ton) M in g g u 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Tahun 2003 Tanggal 6 Jan - 11 Jan 13 Jan - 18 Jan 20 Jan - 25 Jan 27 Jan - 1 F eb 3 Feb - 8 Feb 10 Feb - 15 Feb 17 Feb - 22 Feb 24 Feb - 1 M ar 3 M ar - 8 M ar 10 M ar - 15 M ar 17 M ar - 22 M ar 24 M ar - 29 M ar 31 M ar - 5 Apr 7 Apr - 12 Apr 14 Apr - 19 Apr 21 Apr - 26 Apr 28 Apr - 3 M ei 5 M ei - 10 M ei 12 M ei - 17 M ei 19 M ei - 24 M ei 26 M ei - 31 M ei 2 Jun - 7 Jun 9 Jun - 14 Jun 16 Jun - 21 Jun 23 Jun - 28 Jun 30 Jun - 5 Jul 7 Jul - 12 Jul 14 Jul - 19 Jul 21 Jul - 26 Jul 28 Jul - 2 Agust 4 Agust - 9 Agust 11 Agust - 16 Agust 18 Agust - 23 Agust 25 Agust - 30 Agust 1 Sept - 6 Sept 8 Sept - 13 Sept 15 Sept - 20 Sept 22 Sept - 27 Sept 29 Sept - 4 O kt 6 O kt - 11 O kt 13 O kt - 18 O kt 20 O kt - 25 O kt 27 O kt - 1 N ov 3 Nov - 8 Nov 10 Nov - 15 Nov 17 Nov - 22 Nov 1 Des - 6 Des 8 Des - 13 D es 15 Des - 20 Des 22 Des - 27 Des T o ta l

611 3066 3060 3042 3120 2910 3054 3060 2802 3150 3198 3072 3120 3036 3030 3036 2934 3222 3150 3654 3372 3252 3984 3042 3288 3222 3054 3048 3546 3120 3090 3066 3084 3024 3084 2934 3054 2958 3042 3084 3138 3006 3282 3342 3432 4140 3804 3066 3216 3828 3732 160050

612 660 654 636 600 624 648 654 588 672 684 642 666 654 648 630 648 696 672 762 726 702 858 636 690 672 648 642 654 654 660 636 654 594 666 618 636 672 660 678 660 624 708 720 738 894 822 660 690 816 798 33924

613 324 318 300 228 306 312 318 276 330 336 306 324 324 318 294 330 342 330 360 360 342 420 300 324 312 330 306 252 306 324 300 318 258 324 288 300 354 330 342 318 294 348 354 366 438 402 324 336 396 390 16332

511 360 354 336 396 336 348 354 312 366 372 342 360 360 354 330 366 378 366 402 396 384 468 336 366 354 354 342 294 348 360 336 354 294 360 324 336 384 366 378 354 330 384 396 402 486 450 360 372 444 432 18336

B o ile r 512 486 480 492 414 456 504 480 450 492 504 498 492 480 474 486 486 510 492 588 534 516 630 492 528 486 480 468 480 504 486 492 510 450 486 474 492 504 486 504 480 450 516 528 546 654 600 486 504 600 582 25212

513 264 258 270 432 246 282 270 252 264 270 276 264 264 258 264 276 276 264 324 294 282 342 270 294 252 258 246 216 276 264 270 288 228 264 264 270 294 270 282 252 234 282 288 294 360 330 264 270 324 318 13914

BP11 276 270 282 234 258 294 282 258 282 282 288 276 276 270 276 288 288 282 342 306 294 360 282 306 264 270 258 234 294 276 282 300 240 276 276 282 306 282 294 270 246 294 300 312 372 342 276 282 336 330 14346

T o ta l F a m ili 5436 5394 5358 5424 5136 5442 5418 4938 5556 5646 5424 5502 5394 5352 5316 5328 5712 5556 6432 5988 5772 7062 5358 5796 5562 5394 5310 5676 5502 5460 5382 5508 5088 5460 5178 5370 5472 5436 5562 5472 5184 5814 5928 6090 7344 6750 5436 5670 6744 6582 282114

97 Tabel 5.2 Data Demand Pakan Ternak Famili Layer (Dalam Ton) Minggu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Tahun 2003 Tanggal 6 Jan - 11 Jan 13 Jan - 18 Jan 20 Jan - 25 Jan 27 Jan - 1 Feb 3 Feb - 8 Feb 10 Feb - 15 Feb 17 Feb - 22 Feb 24 Feb - 1 Mar 3 Mar - 8 Mar 10 Mar - 15 Mar 17 Mar - 22 Mar 24 Mar - 29 Mar 31 Mar - 5 Apr 7 Apr - 12 Apr 14 Apr - 19 Apr 21 Apr - 26 Apr 28 Apr - 3 Mei 5 Mei - 10 Mei 12 Mei - 17 Mei 19 Mei - 24 Mei 26 Mei - 31 Mei 2 Jun - 7 Jun 9 Jun - 14 Jun 16 Jun - 21 Jun 23 Jun - 28 Jun 30 Jun - 5 Jul 7 Jul - 12 Jul 14 Jul - 19 Jul 21 Jul - 26 Jul 28 Jul - 2 Agust 4 Agust - 9 Agust 11 Agust - 16 Agust 18 Agust - 23 Agust 25 Agust - 30 Agust 1 Sept - 6 Sept 8 Sept - 13 Sept 15 Sept - 20 Sept 22 Sept - 27 Sept 29 Sept - 4 Okt 6 Okt - 11 Okt 13 Okt - 18 Okt 20 Okt - 25 Okt 27 Okt - 1 Nov 3 Nov - 8 Nov 10 Nov - 15 Nov 17 Nov - 22 Nov 1 Des - 6 Des 8 Des - 13 Des 15 Des - 20 Des 22 Des - 27 Des Total

Layer 621 622 521 522 523 321 Total Famili 2160 1530 2244 126 132 252 6444 2166 1536 2250 132 138 258 6480 2178 1548 2232 114 120 240 6432 2100 1620 2148 114 132 258 6372 2058 1458 2136 126 132 246 6156 2190 1560 2244 126 132 252 6504 2178 1548 2232 114 138 258 6468 2004 1428 2052 108 114 222 5928 2232 1584 2316 138 144 270 6684 2262 1608 2352 138 144 270 6774 2202 1566 2256 114 120 246 6504 2208 1566 2298 138 144 264 6618 2142 1518 2220 126 132 252 6390 2148 1524 2226 132 138 258 6426 2172 1542 2226 108 114 234 6396 2088 1488 2166 156 162 276 6336 2268 1608 2358 132 138 270 6774 2232 1584 2316 138 144 270 6684 2616 1860 2682 138 144 294 7734 2376 1686 2472 138 144 282 7098 2292 1620 2382 132 138 270 6834 2808 1992 2916 162 174 330 8382 2178 1548 2232 114 120 240 6432 2352 1674 2412 126 132 264 6960 2262 1590 2352 102 108 240 6654 2160 1536 2256 132 138 258 6480 2142 1512 2226 108 114 234 6336 2508 1752 2574 30 36 186 7086 2238 1590 2292 120 126 252 6618 2190 1554 2274 132 144 264 6558 2190 1554 2250 108 114 240 6456 2208 1578 2268 126 132 258 6570 2148 1518 2208 66 72 198 6210 2172 1536 2256 126 132 258 6480 2100 1494 2154 114 120 234 6216 2184 1554 2238 114 120 246 6456 2106 1506 2184 174 180 294 6444 2148 1524 2226 132 138 258 6426 2190 1560 2274 156 162 282 6624 2220 1572 2304 126 132 258 6612 2124 1500 2202 108 114 234 6282 2310 1638 2400 138 144 270 6900 2358 1668 2448 138 144 276 7032 2418 1716 2514 144 150 288 7230 2916 2064 3030 174 180 342 8706 2682 1896 2784 156 162 318 7998 2160 1530 2244 126 132 252 6444 2274 1614 2364 138 144 276 6810 2706 1920 2814 168 174 324 8106 2646 1872 2748 162 168 318 7914 113370 80544 117252 6408 6750 13134 337458

98 Tabel 5.3 Data Demand Pakan Ternak Famili Breeder (Dalam Ton) Minggu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50


Breeder 631 632 633 531 532 533 Total Famili 1200 126 84 726 222 234 2592 1206 132 90 732 228 240 2628 1188 114 72 714 210 222 2520 1188 120 96 708 204 228 2544 1146 126 84 696 216 228 2496 1200 126 84 726 222 234 2592 1206 132 90 732 228 240 2628 1092 108 66 660 192 204 2322 1242 138 96 756 234 246 2712 1260 138 96 768 240 252 2754 1200 114 72 720 216 228 2550 1230 138 96 750 234 246 2694 1188 126 84 720 222 234 2574 1194 132 90 726 228 240 2610 1182 108 66 708 204 216 2484 1176 156 114 726 246 258 2676 1260 132 90 762 234 246 2724 1242 138 96 756 234 246 2712 1428 138 90 858 252 270 3036 1320 138 96 798 246 258 2856 1272 132 90 768 234 252 2748 1560 162 108 942 288 306 3366 1188 114 72 714 210 222 2520 1284 126 78 774 228 240 2730 1242 102 60 738 204 222 2568 1206 132 90 732 228 240 2628 1182 108 66 708 204 216 2484 1320 30 60 750 144 162 2466 1218 120 78 732 216 228 2592 1218 132 90 738 234 246 2658 1194 108 66 714 204 216 2502 1212 126 84 732 222 240 2616 1152 66 24 672 162 180 2256 1206 126 84 732 222 234 2604 1146 114 72 690 204 216 2442 1194 114 72 720 210 222 2532 1194 174 132 744 264 276 2784 1194 132 90 726 228 240 2610 1230 156 114 756 252 264 2772 1230 126 84 744 222 234 2640 1170 108 66 702 204 216 2466 1284 138 90 780 240 252 2784 1308 138 90 792 240 258 2826 1344 144 96 816 252 264 2916 1620 174 114 984 300 318 3510 1488 156 108 900 276 294 3222 1200 126 84 726 222 234 2592 1266 138 96 768 240 252 2760 1506 168 114 918 288 300 3294 1470 162 108 894 282 294 3210 62646 6432 4332 37848 11436 12108 134802

99 Tabel 5.4 Data Demand Pakan Ternak Famili Puyuh (Dalam Ton) Minggu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50


Burung Puyuh 6104 6105 Total Famili 216 186 402 210 180 390 204 216 420 210 186 396 198 174 372 216 228 444 210 186 396 186 198 384 216 186 402 222 192 414 210 222 432 216 186 402 216 186 402 210 180 390 198 210 408 228 198 426 228 198 426 216 186 402 246 258 504 240 204 444 228 198 426 282 240 522 204 216 420 222 234 456 198 168 366 210 180 390 198 168 366 138 150 288 210 222 432 216 186 402 198 210 408 216 234 450 156 174 330 216 186 402 198 210 408 204 216 420 246 222 468 222 192 414 234 204 438 204 174 378 186 156 342 234 198 432 234 204 438 240 210 450 294 252 546 270 234 504 216 186 402 222 192 414 264 228 492 258 222 480 10914 10026 20940

100 Tabel 5.5 Data Demand Pakan Ternak Famili Sapi (Dalam Ton) Minggu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50


Sapi SP121 SP201 Total Famili 120 114 234 114 108 222 150 144 294 114 246 360 108 102 210 162 156 318 120 114 234 138 132 270 120 114 234 120 114 234 150 144 294 120 114 234 120 114 234 114 108 222 144 138 282 138 132 270 126 120 246 120 114 234 180 174 354 132 126 258 126 120 246 156 150 306 150 144 294 162 156 318 96 90 186 114 108 222 102 96 198 72 66 138 156 150 306 114 108 222 144 138 282 162 156 318 102 96 198 120 114 234 144 144 288 150 144 294 156 150 306 126 120 246 138 132 270 108 102 210 90 84 174 132 120 252 132 126 258 138 126 264 162 156 318 150 144 294 120 114 234 120 114 234 144 138 282 138 132 270 6534 6366 12900

101 Tabel 5.6 Data Demand Pakan Ternak

Tabel 5.7 Data Demand Total (Dalam

Ternak Famili Babi (Dalam Ton)

Ton)

Minggu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50


Babi BT42 BT45 Total Famili 96 96 192 90 90 180 126 126 252 84 84 168 84 84 168 138 138 276 96 96 192 114 114 228 96 96 192 96 96 192 126 126 252 96 96 192 96 96 192 90 90 180 120 120 240 114 114 228 102 102 204 96 96 192 150 150 300 108 108 216 102 102 204 126 126 252 126 126 252 138 138 276 72 72 144 90 90 180 78 78 156 42 42 84 132 132 264 90 90 180 120 120 240 138 138 276 78 78 156 96 96 192 126 126 252 126 126 252 132 132 264 102 102 204 114 114 228 84 84 168 66 66 132 102 102 204 108 108 216 108 108 216 132 132 264 120 120 240 96 96 192 96 96 192 114 114 228 108 108 216 5280 5280 10560

Minggu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50


Total Produk 15300 15294 15276 15264 14538 15576 15336 14070 15780 16014 15456 15642 15186 15180 15126 15264 16086 15780 18360 16860 16230 19890 15276 16536 15480 15294 14850 15738 15714 15480 15270 15738 14238 15372 14784 15324 15738 15336 15894 15480 14580 16386 16698 17166 20688 19008 15300 16080 19146 18672 798774

102 Data yang diambil tersebut adalah data produksi dimana jumlah data yang diambil adalah selama 1 tahun seperti pada tabel diatas yaitu pada tahun 2003 namun disini ada pengecualian yaitu ada data yang penulis hilangkan yaitu: 1. Tanggal 1 – 3 Januari 2003 alasannya karena pada minggu ini selain jumlahnya tidak 6 hari, data yang didapat juga tidak bisa dipertanggungjawabkan sebab pabrik masih tutup dan penjualan belum ada. 2. Tanggal 24 – 29 November 2003 alasannya karena disini adalah hari raya Idul Fitri dan lebaran sehingga karyawan libur dan otomatis jumlah produksi dan penjualan pun 0. 3. Tanggal 30 – 31 Desember 2003 alasannya karena pada minggu ini selain jumlahnya tidak 6 hari, juga karena pabrik sudah tutup dan penjualan ditiadakan. Data diatas memiliki hasil yang sangat kecil/minimum bahkan jumlahnya 0 buah. Karena alasan diatas tersebut maka jika data tersebut masih digunakan maka akan membuat peramalan yang dihasilkan akan menimbulkan selisih yang mencolok. Data yang digunakan untuk melakukan peramalan haruslah data yang valid. Tabel yang disajikan diatas hanya untuk famili boiler saja, untuk lebih lengkapnya data yang sudah dikumpulkan dapat dilihat dalam lampiran. Setiap nomor end item mempunyai arti tersendiri yang yang mengerti hanya orang perusahaan ataupun peternak yang mengerti berdasarkan komposisi yang tertera dan bentuk pakan tersebut saja, karena setiap end item dengan end item yang lain jelas memiliki perbedaan walaupun sama-sama dalam satu famili misalnya dalam hal ini kode feed 611 adalah kode untuk pakan ternak famili boiler dimana ayam boiler yang dituju adalah anak ayam sehingga bentuknya lebih kecil (crumble) dan komposisinya berbeda dengan kode feed 612 yang ditujukan juga untuk ayam boiler namun sudah dewasa.

103 Grafik Produksi Famili Boiler

Grafik Produksi Famili Layer J u m la h (to n )

Jumlah (ton)

8000 6000 4000 2000 0 1

5

10000 8000 6000 4000 2000 0

9 13 17 21 25 29 33 37 41 45 49

1 5 9 13 17 21 25 29 33 37 41 45 49

Periode (minggu)

Gambar 5.1 Grafik Produksi Famili Boiler

Periode (minggu)

Gambar 5.2 Grafik Produksi Famili Layer

Grafik Produksi Famili Breeder

Grafik Produksi Famili Puyuh Ju m la h (to n )

Ju m la h (to n )

4000 3000 2000 1000 0

600 500 400 300 200 100 0 1 5 9 13 17 21 25 29 33 37 41 45 49

1 5 9 13 17 21 25 29 33 37 41 45 49 Periode (minggu)

Periode (minggu)

Gambar 5.3 Grafik Produksi Famili Breeder Gambar 5.4 Grafik Produksi Famili Puyuh Grafik Produksi Famili Sapi

Grafik Produksi Famili Babi Jum lah (ton)

J u m la h (to n )

400 300 200 100 0 1 5 9 13 17 21 25 29 33 37 41 45 49 Periode (minggu)

Gambar 5.5 Grafik Produksi Famili Sapi

350 300 250 200 150 100 50 0 1

5

9 13 17 21 25 29 33 37 41 45 49 Periode (minggu)

Gambar 5.6 Grafik Produksi Famili Babi

104 Grafik Produksi Seluruh Famili

Jumlah (ton)

25000 20000 15000 10000 5000 0 1

5

9 13 17 21 25 29 33 37 41 45 49 Periode (minggu)

Gambar 5.7 Grafik Produksi Pakan Ternak PT. CPI – Balaraja

Grafik Produksi Antar Famili

Jumlah (ton)

10000 Boiler

8000

Layer

6000

Breeder

4000

Puyuh Sapi

2000

Babi

0 1

6 11 16 21 26 31 36 41 46 Periode (minggu)

Gambar 5.8 Produksi Pakan Ternak Seluruh Famili Selama 1 Tahun

Dari grafik diatas kita bisa melihat jumlah demand pakan ternak selama 1 tahun baik per famili maupun secara keseluruhan. Pola data yang disajikan sesuai dengan peramalan yang akan dilakukan nantinya dimana merupakan data per famili bukan setiap end item. Untuk grafik demand famili boiler, layer, dan breeder dapat kita lihat bahwa pola data yang tercipta adalah pola data trend dimana ada kecenderungan data yang

105 semakin meningkat. Untuk famili puyuh, pola data yang terlihat adalah pola trend dimana cenderung meningkat pada saat tertentu yaitu pada pertengahan dan akhir tahun. Sedangkan untuk famili sapi dan babi, pola yang terbentuk adalah pola data random dimana data yang terbentuk acak.

5.1.2 Data Pelengkap Tabel 5.8 Inventory Awal dan Safety Stock Setiap Famili End Item

Inventory Awal (ton)

611 612 613 511 512 513 BP11 621 622 521 522 523 321 631 632 633 531 532 533 6104 6105 SP121 SP201 BT42 BT45 Total

1500 360 186 180 366 150 150 1200 720 1524 84 60 120 756 66 60 366 126 120 150 144 54 72 72 72 8658

Safety Stock (ton) 1500 330 180 180 240 120 150 990 750 1050 90 90 120 600 60 60 360 120 120 90 90 60 60 42 42 7494

106 Tabel 5.9 Kapasitas Penyimpanan Maksimum, Biaya Setup dan Biaya Simpan Famili Famili Boiler Layer Breeder Puyuh Sapi Babi Total Ket:

Osi 5250 5400 2400 450 300 300 14100

Csi 1800000 1500000 1500000 1000000 1000000 1000000 7800000

Chi 3832500000 3942000000 1752000000 328500000 219000000 54750000 10128750000

Osi = Kapasitas penyimpanan maksimum gudang tiap famili (ton) Csi = Biaya setup setiap famili (Rp) Chi = Biaya simpan famili per tahun (Rp)

Untuk tingkat suku bunga bank (R) diasumsikan sebesar 18%. Dan biaya penyimpanan per hari adalah Rp 2000,00 / ton dimana termasuk didalamnya seperti biaya listrik di gudang. Sehingga nilai Chi untuk boiler adalah biaya simpan sehari (Rp 2000,00) dikali jumlah hari setahun (364 hari) dikali dengan jumlah kapasitas penyimpanan (5250 ton) dan hasilnya adalah Rp 3.832.500.000,00.

5.2 Hasil Analisis Data dan Pembahasan 5.2.1 Peramalan Disini penulis akan memberi contoh 4 macam peramalan yang akan dilakukan namun hanya pada famili boiler saja karena langkah-langkah yang dilakukan untuk peramalan terhadap famili yang lain pun sama sehingga hanya penulis tulis sekali saja.

107 5.2.1.1 Peramalan Metode Double Exponential Smoothing Dua Parameter Dari Holt Tabel 5.10 Peramalan Demand Famili Ayam Boiler dengan Metode Holt

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

α=

0.49

Xt 5436 5394 5358 5424 5136 5442 5418 4938 5556 5646 5424 5502 5394 5352 5316 5328 5712 5556 6432 5988 5772 7062 5358 5796 5562 5394 5310 5676 5502 5460 5382 5508 5088 5460 5178 5370 5472 5436 5562 5472 5184 5814 5928 6090 7344 6750 5436 5670 6744 6582

St 5436.00 5394.00 5354.94 5367.51 5235.57 5313.34 5347.55 5133.24 5317.20 5466.82 5443.13 5468.33 5429.91 5387.98 5347.19 5330.74 5510.37 5535.43 5978.45 6009.06 5917.80 6496.21 5983.96 5906.67 5747.16 5574.42 5436.32 5539.04 5512.88 5478.43 5421.73 5452.61 5265.27 5343.32 5250.67 5293.93 5369.70 5395.72 5472.70 5472.24 5330.87 5560.28 5745.57 5928.38 6644.00 6752.20 6163.42 5942.16 6342.24 6486.58

282114

γ= bt -42.00 -42.00 -41.71 -36.28 -45.84 -33.48 -26.71 -45.47 -22.53 -5.31 -7.15 -3.92 -7.37 -10.82 -13.82 -14.08 5.29 7.26 50.84 48.82 34.81 89.17 29.03 18.40 0.61 -16.73 -28.87 -15.71 -16.75 -18.52 -22.34 -17.02 -34.05 -22.84 -29.82 -22.51 -12.68 -8.81 -0.23 -0.26 -14.37 10.01 27.54 43.06 110.32 110.11 40.22 14.07 52.67 61.84

0.10

m

Ft

et

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

5352.00 5313.23 5331.23 5189.72 5279.86 5320.83 5087.77 5294.67 5461.51 5435.98 5464.41 5422.54 5377.15 5333.37 5316.65 5515.66 5542.69 6029.29 6057.88 5952.61 6585.38 6012.99 5925.06 5747.77 5557.69 5407.46 5523.34 5496.13 5459.90 5399.39 5435.59 5231.22 5320.48 5220.84 5271.42 5357.02 5386.90 5472.47 5471.98 5316.50 5570.28 5773.10 5971.45 6754.32 6862.31 6203.64 5956.23 6394.91 6548.42 6610.26 6672.10

6.00 110.77 -195.23 252.28 138.14 -382.83 468.23 351.33 -37.51 66.02 -70.41 -70.54 -61.15 -5.37 395.35 40.34 889.31 -41.29 -285.88 1109.39 -1227.38 -216.99 -363.06 -353.77 -247.69 268.54 -21.34 -36.13 -77.90 108.61 -347.59 228.78 -142.48 149.16 200.58 78.98 175.10 -0.47 -287.98 497.50 357.72 316.90 1372.55 -4.32 -1426.31 -533.64 787.77 187.09

|et|

6.00 110.77 195.23 252.28 138.14 382.83 468.23 351.33 37.51 66.02 70.41 70.54 61.15 5.37 395.35 40.34 889.31 41.29 285.88 1109.39 1227.38 216.99 363.06 353.77 247.69 268.54 21.34 36.13 77.90 108.61 347.59 228.78 142.48 149.16 200.58 78.98 175.10 0.47 287.98 497.50 357.72 316.90 1372.55 4.32 1426.31 533.64 787.77 187.09

2119.17 14993.69

Xt − X

-284.28 -218.28 -506.28 -200.28 -224.28 -704.28 -86.28 3.72 -218.28 -140.28 -248.28 -290.28 -326.28 -314.28 69.72 -86.28 789.72 345.72 129.72 1419.72 -284.28 153.72 -80.28 -248.28 -332.28 33.72 -140.28 -182.28 -260.28 -134.28 -554.28 -182.28 -464.28 -272.28 -170.28 -206.28 -80.28 -170.28 -458.28 171.72 285.72 447.72 1701.72 1107.72 -206.28 27.72 1101.72 939.72

Xt − X

284.28 218.28 506.28 200.28 224.28 704.28 86.28 3.72 218.28 140.28 248.28 290.28 326.28 314.28 69.72 86.28 789.72 345.72 129.72 1419.72 284.28 153.72 80.28 248.28 332.28 33.72 140.28 182.28 260.28 134.28 554.28 182.28 464.28 272.28 170.28 206.28 80.28 170.28 458.28 171.72 285.72 447.72 1701.72 1107.72 206.28 27.72 1101.72 939.72

et2

36.00 12269.11 38115.09 63643.70 19083.90 146560.48 219237.92 123430.12 1406.92 4359.05 4957.66 4976.15 3739.58 28.80 156298.85 1627.18 790868.07 1705.20 81725.99 1230752.48 1506460.41 47085.43 131813.62 125151.07 61351.43 72115.26 455.22 1305.27 6068.81 11796.12 120819.20 52339.88 20301.27 22247.42 40233.35 6238.11 30658.31 0.22 82932.65 247505.04 127960.50 100424.48 1883902.55 18.64 2034361.28 284768.89 620587.92 35003.77

PEt

0.11 2.04 -3.80 4.64 2.55 -7.75 8.43 6.22 -0.69 1.20 -1.31 -1.32 -1.15 -0.10 6.92 0.73 13.83 -0.69 -4.95 15.71 -22.91 -3.74 -6.53 -6.56 -4.66 4.73 -0.39 -0.66 -1.45 1.97 -6.83 4.19 -2.75 2.78 3.67 1.45 3.15 -0.01 -5.56 8.56 6.03 5.20 18.69 -0.06 -26.24 -9.41 11.68 2.84

|PEt|

0.11 2.04 3.80 4.64 2.55 7.75 8.43 6.22 0.69 1.20 1.31 1.32 1.15 0.10 6.92 0.73 13.83 0.69 4.95 15.71 22.91 3.74 6.53 6.56 4.66 4.73 0.39 0.66 1.45 1.97 6.83 4.19 2.75 2.78 3.67 1.45 3.15 0.01 5.56 8.56 6.03 5.20 18.69 0.06 26.24 9.41 11.68 2.84

454.56 17004.48 10578728.39 17.80 256.84

108 Keterangan tabel dan rumus untuk metode holt: S t = αX t + (1 − α )( S t −1 + bt −1 ) bt = γ ( S t − S t −1 ) + (1 − γ )bt −1 Ft + m = S t + bt m b1 = X 2 − X 1 b1 =

(X 2 − X1) + (X 3 − X 2 ) + (X 4 − X 3) 3

Dimana :

Xt

= Data sebenarnya

St

= Pemulusan ke-t

bt

= Nilai trend ke-t

Ft + m =

Nilai peramalan ke-t

α

= Faktor pemulusan

b1

= Taksiran kemiringan “ bola-mata ” ( eyeball ) setelah data tersebut diplot.

Galat persentase (percentage error) Î PEt = Error Î ei = X i − Fi

X t − Ft × 100 Xt

109 Contoh perhitungan peramalan metode Holt untuk famili boiler: Periode 50 : X 50 = 6582 m =1 S50 = αX 50 + (1 − α )( S 49 + b49 ) S50 = (0.49 * 6582) + (1 - 0.49)(6342.24 + 52.67) = 6486.58 b 50 = γ (S50 − S 49 ) + (1 − γ )b49 b 50 = 0.1 * (6486.58 − 6342.24) + (1 − 0.1)(52.67) = 61.84 F49+1 = S 49 + b 49 m = 6342.24 + (52.67 * 1) = 6394.91 e50 = X 50 − F50 = 6582 − 6394.91 = 187.09 e50 = 187.09 2

e50 = 35003.77 PE50 =

X 50 − F50 6582 − 6394.91 x100 = x100 = 2.84 X 50 6582

PE36 = 2.84

¾ Periode 51 : S50 = 6486.58 b 50 = 61.84 m =1 F50+1 = S50 + b 50 m = 6486.58 + (61.84 * 1) = 6548.42 ¾ Periode 52 : S50 = 6486.58 b 50 = 61.84 m=2 F51+1 = S50 + b 50 m = 6486.58 + (61.84 * 2) = 6610.26 ¾ Periode 53 : S50 = 6486.58 b 50 = 61.84 m=3 F52+1 = S52 + b 52 m = 6486.58 + (61.84 * 3) = 6672.10

110 Dari contoh perhitungan untuk metode holt pada famili boiler didapat hasil peramalan untuk satu minggu kedepan adalah sebesar 6548,42 ton dimana hasil ini didapat dengan α sebesar 0,49 dan γ sebesar 0,1. Hasil ini adalah hasil yang terbaik dari peramalan holt. Nilai α dan γ yang diperoleh dicari dengan cara trial error / coba-coba oleh penulis. Nilai α dan γ disini harus lebih besar dari 0 dan lebih kecil dari 1 dan nilai yang diisi hanya 2 angka di belakang koma.

111 5.2.1.2 Peramalan Metode Double Moving Average Tabel 5.11 Peramalan Demand Famili Ayam Boiler dengan Metode DMA t

Xt 5436 5394 5358 5424 5136 5442 5418 4938 5556 5646 5424 5502 5394 5352 5316 5328 5712 5556 6432 5988 5772 7062 5358 5796 5562 5394 5310 5676 5502 5460 5382 5508 5088 5460 5178 5370 5472 5436 5562 5472 5184 5814 5928 6090 7344 6750 5436 5670 6744 6582

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 Total 282114

St'

5396.00 5392.00 5306.00 5334.00 5332.00 5266.00 5304.00 5380.00 5542.00 5524.00 5440.00 5416.00 5354.00 5332.00 5452.00 5532.00 5900.00 5992.00 6064.00 6274.00 6064.00 6072.00 5572.00 5584.00 5422.00 5460.00 5496.00 5546.00 5448.00 5450.00 5326.00 5352.00 5242.00 5336.00 5340.00 5426.00 5490.00 5490.00 5406.00 5490.00 5642.00 5944.00 6454.00 6728.00 6510.00 5952.00 5950.00 6332.00

St''

5364.67 5344.00 5324.00 5310.67 5300.67 5316.67 5408.67 5482.00 5502.00 5460.00 5403.33 5367.33 5379.33 5438.67 5628.00 5808.00 5985.33 6110.00 6134.00 6136.67 5902.67 5742.67 5526.00 5488.67 5459.33 5500.67 5496.67 5481.33 5408.00 5376.00 5306.67 5310.00 5306.00 5367.33 5418.67 5468.67 5462.00 5462.00 5512.67 5692.00 6013.33 6375.33 6564.00 6396.67 6137.33 6078.00

at

5247.33 5324.00 5340.00 5221.33 5307.33 5443.33 5675.33 5566.00 5378.00 5372.00 5304.67 5296.67 5524.67 5625.33 6172.00 6176.00 6142.67 6438.00 5994.00 6007.33 5241.33 5425.33 5318.00 5431.33 5532.67 5591.33 5399.33 5418.67 5244.00 5328.00 5177.33 5362.00 5374.00 5484.67 5561.33 5511.33 5350.00 5518.00 5771.33 6196.00 6894.67 7080.67 6456.00 5507.33 5762.67 6586.00

bt

m

Ft

et

|et|

-58.67 -10.00 1 5188.67 253.33 253.33 8.00 1 5314.00 104.00 104.00 -44.67 1 5348.00 -410.00 410.00 3.33 1 5176.67 379.33 379.33 63.33 1 5310.67 335.33 335.33 133.33 1.00 5506.67 -82.67 82.67 42.00 1 5808.67 -306.67 306.67 -62.00 1 5608.00 -214.00 214.00 -44.00 1 5316.00 36.00 36.00 -49.33 1 5328.00 -12.00 12.00 -35.33 1 5255.33 72.67 72.67 72.67 1 5261.33 450.67 450.67 93.33 1 5597.33 -41.33 41.33 272.00 1 5718.67 713.33 713.33 184.00 1 6444.00 -456.00 456.00 78.67 1 6360.00 -588.00 588.00 164.00 1 6221.33 840.67 840.67 -70.00 1 6602.00 -1244.00 1244.00 -64.67 1 5924.00 -128.00 128.00 -330.67 1 5942.67 -380.67 380.67 -158.67 1 4910.67 483.33 483.33 -104.00 1 5266.67 43.33 43.33 -28.67 1 5214.00 462.00 462.00 36.67 1 5402.67 99.33 99.33 45.33 1 5569.33 -109.33 109.33 -48.67 1 5636.67 -254.67 254.67 -31.33 1 5350.67 157.33 157.33 -82.00 1 5387.33 -299.33 299.33 -24.00 1 5162.00 298.00 298.00 -64.67 1 5304.00 -126.00 126.00 26.00 1 5112.67 257.33 257.33 34.00 1 5388.00 84.00 84.00 58.67 1 5408.00 28.00 28.00 71.33 1 5543.33 18.67 18.67 21.33 1 5632.67 -160.67 160.67 -56.00 1 5532.67 -348.67 348.67 28.00 1 5294.00 520.00 520.00 129.33 1 5546.00 382.00 382.00 252.00 1 5900.67 189.33 189.33 440.67 1 6448.00 896.00 896.00 352.67 1 7335.33 -585.33 585.33 -54.00 1 7433.33 -1997.33 1997.33 -444.67 1 6402.00 -732.00 732.00 -187.33 1 5062.67 1681.33 1681.33 254.00 1 5575.33 1006.67 1006.67 1 6840.00 2 7094.00 3 7348.00 1315.33 18268.67

Xt − X

-200.28 -224.28 -704.28 -86.28 3.72 -218.28 -140.28 -248.28 -290.28 -326.28 -314.28 69.72 -86.28 789.72 345.72 129.72 1419.72 -284.28 153.72 -80.28 -248.28 -332.28 33.72 -140.28 -182.28 -260.28 -134.28 -554.28 -182.28 -464.28 -272.28 -170.28 -206.28 -80.28 -170.28 -458.28 171.72 285.72 447.72 1701.72 1107.72 -206.28 27.72 1101.72 939.72

Xt − X

200.28 224.28 704.28 86.28 3.72 218.28 140.28 248.28 290.28 326.28 314.28 69.72 86.28 789.72 345.72 129.72 1419.72 284.28 153.72 80.28 248.28 332.28 33.72 140.28 182.28 260.28 134.28 554.28 182.28 464.28 272.28 170.28 206.28 80.28 170.28 458.28 171.72 285.72 447.72 1701.72 1107.72 206.28 27.72 1101.72 939.72

et2

64177.78 10816.00 168100.00 143893.78 112448.44 6833.78 94044.44 45796.00 1296.00 144.00 5280.44 203100.44 1708.44 508844.44 207936.00 345744.00 706720.44 1547536.00 16384.00 144907.11 233611.11 1877.78 213444.00 9867.11 11953.78 64855.11 24753.78 89600.44 88804.00 15876.00 66220.44 7056.00 784.00 348.44 25813.78 121568.44 270400.00 145924.00 35847.11 802816.00 342615.11 3989340.44 535824.00 2826881.78 1013377.78

1463.40 15995.64 15275172.00

PEt

4.66 1.92 -8.30 6.83 5.94 -1.52 -5.57 -3.97 0.67 -0.23 1.36 7.89 -0.74 11.09 -7.62 -10.19 11.90 -23.22 -2.21 -6.84 8.96 0.82 8.14 1.81 -2.00 -4.73 2.86 -5.88 5.46 -2.43 4.79 1.54 0.52 0.34 -2.94 -6.73 8.94 6.44 3.11 12.20 -8.67 -36.74 -12.91 24.93 15.29

|PEt|

4.66 1.92 8.30 6.83 5.94 1.52 5.57 3.97 0.67 0.23 1.36 7.89 0.74 11.09 7.62 10.19 11.90 23.22 2.21 6.84 8.96 0.82 8.14 1.81 2.00 4.73 2.86 5.88 5.46 2.43 4.79 1.54 0.52 0.34 2.94 6.73 8.94 6.44 3.11 12.20 8.67 36.74 12.91 24.93 15.29

4.95 311.85

112 Keterangan tabel dan rumus untuk metode DMA:

Rumus untuk moving average yang pertama M t = Yt +1 =

Rumus untuk moving average yang kedua M t' =

Yt + Yt −1 + Yt − 2 + .... + Yt − k +1 k

M t + M t −1 + M t − 2 + .... + M t − k +1 k

Rumus untuk menghitung peramalan dengan Double Moving Average at = M t + ( M t − M t' ) = 2 M t − M t' bt =

2 ( M t − M t' ) k −1

^

Yt + p = at + bt + p m Galat persentase (percentage error) Î PE t =

X t − Ft × 100 Xt

Error Î ei = X i − Fi

Contoh perhitungan peramalan metode DMA untuk famili boiler: ¾ Periode 50 :

113 5670 + 6744 + 6582 = 6332 3 5952 + 5950 + 6332 = 6078 St ' ' 50 = 3 a50 = (2 * St ' ' 50 ) − St ' 50 = (2 * 6332) − (6078) = 6586 St ' 50 =

b50 = F49+1

2 ( St ' 50 − St ' '50 ) = 6332 − 6078 = 254 3 −1 = a 49 + b49 m = 5762.67 + (−187.33 * 1) = 5575.33

e50 = X 50 − F50 = 6582 − 5575.33 = 1006.67 e50 = 1006.67 2

e50 = 1013377.78 PE 50 =

X 50 − F50 6582 − 1006.67 x100 = x100 = 15.29 X 50 6582

PE50 = 15.29

¾ Periode 51 : a50 = 6586 b50 = 254 m =1 F50+1 = a50 + b50 m = 6586 + (254 *1) = 6840 ¾ Periode 52 : a50 = 6586 b50 = 254 m=2 F51+1 = a50 + b50 m = 6586 + (254 * 2) = 7094 ¾ Periode 53 : a50 = 6586 b50 = 254 m=3 F52+1 = a50 + b50 m = 6586 + (254 * 3) = 7348

114 Pada perhitungan peramalan metode DMA tidak terdapat koefisien α, β, dan γ sehingga disini hasil yang dihasilkan sudah pasti, tidak ada proses trial error yang nantinya bisa menyubah hasil yang didapat. Dari perhitungan diatas kita bisa melihat bahwa hasil yang didapatkan adalah sebesar 6840 ton.

115 5.2.1.3 Peramalan Metode Triple Eksponensial Smoothing Tiga Parameter dari Winter Tabel 5.12 Peramalan Demand Famili Ayam Boiler dengan Metode Winter L

α

12

0.46

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

Xt 5436 5394 5358 5424 5136 5442 5418 4938 5556 5646 5424 5502 5394 5352 5316 5328 5712 5556 6432 5988 5772 7062 5358 5796 5562 5394 5310 5676 5502 5460 5382 5508 5088 5460 5178 5370 5472 5436 5562 5472 5184 5814 5928 6090 7344 6750 5436 5670 6744 6582

282114

β 0.50 St

5394.00 5389.10 5384.41 5355.72 5659.31 5612.54 5994.27 6282.16 6018.49 6382.20 5943.18 5840.27 5713.09 5577.61 5473.45 5555.87 5575.96 5520.71 5358.54 5590.97 5371.99 5221.47 5298.09 5302.51 5397.76 5456.47 5555.07 5493.59 5390.76 5595.50 5696.94 6006.09 6749.20 6634.43 6223.85 5968.46 6329.23 6505.59

x=

γ

5389.50

0.10 It 1.01 1.00 0.99 1.01 0.95 1.01 1.01 0.92 1.03 1.05 1.01 1.02 1.00 1.00 0.99 1.00 0.98 1.00 1.04 0.93 0.99 1.08 0.95 1.01 0.99 0.98 0.98 1.01 0.98 0.99 1.02 0.96 0.97 1.06 0.97 1.01 1.00 0.99 0.99 1.00 0.97 1.02 1.03 0.99 1.03 1.04 0.92 0.98 1.03 1.00

bt

30.50 26.96 23.79 18.55 47.05 37.67 72.07 93.66 57.92 88.50 35.75 21.88 6.98 -7.27 -16.96 -7.02 -4.31 -9.40 -24.68 1.03 -20.97 -33.92 -22.87 -20.14 -8.60 -1.87 8.18 1.21 -9.19 12.20 21.12 49.93 119.24 95.84 45.20 15.14 49.70 62.37

m

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3

Ft

et

|et|

5384.40 -68.40 68.40 5442.82 -114.82 114.82 5121.48 590.52 590.52 5761.95 -205.95 205.95 5680.09 751.91 751.91 5558.14 429.86 429.86 6572.79 -800.79 800.79 6365.61 696.39 696.39 6512.13 -1154.13 1154.13 6103.74 -307.74 307.74 5887.44 -325.44 325.44 5702.77 -308.77 308.77 5518.67 -208.67 208.67 5459.83 216.17 216.17 5444.18 57.82 57.82 5570.72 -110.72 110.72 5727.11 -345.11 345.11 4985.56 522.44 522.44 5563.87 -475.87 475.87 5763.34 -303.34 303.34 4948.76 229.24 229.24 5310.28 59.72 59.72 5223.91 248.09 248.09 5292.31 143.69 143.69 5347.86 214.14 214.14 5625.10 -153.10 153.10 5406.54 -222.54 222.54 5351.54 462.46 462.46 5729.77 198.23 198.23 5488.95 601.05 601.05 5880.71 1463.29 1463.29 7289.95 -539.95 539.95 6499.10 -1063.10 1063.10 6329.79 -659.79 659.79 5991.64 752.36 752.36 6309.65 272.35 272.35 6507.79 6654.15 6510.59 541.52 15277.96

Xt − X

-326.28 -314.28 69.72 -86.28 789.72 345.72 129.72 1419.72 -284.28 153.72 -80.28 -248.28 -332.28 33.72 -140.28 -182.28 -260.28 -134.28 -554.28 -182.28 -464.28 -272.28 -170.28 -206.28 -80.28 -170.28 -458.28 171.72 285.72 447.72 1701.72 1107.72 -206.28 27.72 1101.72 939.72

Xt − X

326.28 314.28 69.72 86.28 789.72 345.72 129.72 1419.72 284.28 153.72 80.28 248.28 332.28 33.72 140.28 182.28 260.28 134.28 554.28 182.28 464.28 272.28 170.28 206.28 80.28 170.28 458.28 171.72 285.72 447.72 1701.72 1107.72 206.28 27.72 1101.72 939.72

et2

4678.63 13183.84 348710.80 42415.03 565372.73 184777.91 641256.80 484961.28 1332009.51 94703.13 105912.91 95340.06 43544.73 46727.56 3343.33 12258.78 119098.91 272943.40 226447.68 92015.75 52551.10 3566.57 61550.17 20646.25 45855.93 23438.16 49524.93 213872.96 39296.94 361262.30 2141225.39 291543.81 1130182.53 435321.07 566038.73 74176.31

3571.92 13879.68 10239755.91

PEt

-1.29 -2.16 10.34 -3.71 11.69 7.18 -13.87 9.86 -21.54 -5.31 -5.85 -5.72 -3.93 3.81 1.05 -2.03 -6.41 9.49 -9.35 -5.56 4.43 1.11 4.53 2.64 3.85 -2.80 -4.29 7.95 3.34 9.87 19.93 -8.00 -19.56 -11.64 11.16 4.14

|PEt|

1.29 2.16 10.34 3.71 11.69 7.18 13.87 9.86 21.54 5.31 5.85 5.72 3.93 3.81 1.05 2.03 6.41 9.49 9.35 5.56 4.43 1.11 4.53 2.64 3.85 2.80 4.29 7.95 3.34 9.87 19.93 8.00 19.56 11.64 11.16 4.14

-6.64 259.37

116 Keterangan tabel dan rumus untuk metode winter: ) Pemulusan Keseluruhan St = α

Xt + (1 − α )( S t −1 + bt −1 ) I t −L

) Pemulusan Trend bt = γ ( S t − S t −1 ) + (1 − γ )bt −1 ) Pemulusan Musiman It = β

Xt + (1 − β ) I t − L St

) Ramalan Ft + m = ( S t + bt m) I t − L + m ) Inisialisasi awal X L +1 = S L +1 It =

XL

X ( X L+ L − X L ) ⎤ 1 ⎡ ( X − X 1 ) ( X L+2 − X 2 ) b = ⎢ L +1 + + ... + ⎥ L⎣ L L L ⎦ Dimana: Xt

= Data sebenarnya

L

= Panjang musiman

b

= Komponen trend

I

= Faktor penyesuaian musiman

Ft+m = Peramalan untuk m periode ke depan Galat persentase (percentage error) Î PE t = Error Î ei = X i − Fi

X t − Ft × 100 Xt

117 Contoh perhitungan peramalan metode winter untuk famili boiler: 9 Inisialisasi awal: Disini ditentukan bahwa besarnya L adalah 12 S L +1 = X L +1 S12+1 = X 12+1 = 5394 It =

XL

X X1 5436 I1 = = = 1.01 X 5389.5 ( X L+ L − X L ) ⎤ 1 ⎡ ( X − X 1 ) ( X L+2 − X 2 ) b13 = ⎢ L +1 + + ... + ⎥ L⎣ L L L ⎦ b13 = 30.50 9 Periode 50: X 50 = 6582 6582 + (1 − 0.46) * (6342.24 + 52.67) 0.99 = 6505.59

S 50 = 0.46 * S 50

b50 = 0.1(6505.59 − 6329.23) + (1 − 0.1) * 49.7 b50 = 62.37 6582 + (1 − 0.5) * 0.99 6505.59 = 1.00

I 50 = 0.5 I 50

F49 +1 = ( S 49 + b49 m) I 49 −12 +1 F50 = (6329.23 + 49.70 *1) * 0.99 F50 = 6309.65 e50 = X 50 − F50 = 6582 − 6309.65 = 272.35 e50 = 272.35 2

e50 = 74176.31 PE 50 =

X 50 − F50 6582 − 6309.65 x100 = x100 = 4.14 X 50 6582

PE 50 = 4.14

118 9 Periode 51: I 39 = 0.99 m =1 S 50 = 6505.59 b50 = 62.37 F50+1 = ( S 50 + b50 m) I 50−12+1 = (6505.59 + 62.37 * 1) * 0.99 = 6309.65 9 Periode 52: I 40 = 1.00 m=2 S 50 = 6505.59 b50 = 62.37 F50+ 2 = ( S 50 + b50 m) I 50−12+ 2 = (6505.59 + 62.37 * 2) *1.00 = 6654.15 9 Periode 53: I 41 = 0.97 m=3 S 50 = 6505.59 b50 = 62.37 F50+ 3 = ( S 50 + b50 m) I 50−12+3 = (6505.59 + 62.37 * 3) * 0.97 = 6510.59

α, β, dan γ diatas didapat dengan cara trial error/coba-coba dimana besarnya harus lebih besar dari 0 dan lebih kecil dari 1. Dengan cara trial error yang dilakukan penulis maka penulis mendapatkan hasil yang terbaik untuk α = 0,46 kemudian untuk β adalah 0,5 dan nilai γ yang didapat adalah 0,1. Kemudian dengan menghitung sesuai dengan rumus peramalan metode winter yang ada maka hasil yang diperoleh untuk famili boiler akan dibutuhkan demand sebanyak 6309,65 ton.

119 5.2.1.4 Peramalan Metode Triple Eksponensial Smoothing Metode Quadratic SatuParameter dari Brown Tabel 5.13 Peramalan Demand Famili Ayam Boiler dengan Metode Quadratic

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

α =

0.10

Xt 5436 5394 5358 5424 5136 5442 5418 4938 5556 5646 5424 5502 5394 5352 5316 5328 5712 5556 6432 5988 5772 7062 5358 5796 5562 5394 5310 5676 5502 5460 5382 5508 5088 5460 5178 5370 5472 5436 5562 5472 5184 5814 5928 6090 7344 6750 5436 5670 6744 6582

St' 5436.00 5431.80 5424.42 5424.38 5395.54 5400.19 5401.97 5355.57 5375.61 5402.65 5404.79 5414.51 5412.46 5406.41 5397.37 5390.43 5422.59 5435.93 5535.54 5580.78 5599.91 5746.12 5707.30 5716.17 5700.76 5670.08 5634.07 5638.27 5624.64 5608.17 5585.56 5577.80 5528.82 5521.94 5487.55 5475.79 5475.41 5471.47 5480.52 5479.67 5450.10 5486.49 5530.64 5586.58 5762.32 5861.09 5818.58 5803.72 5897.75 5966.18

282114

St'' 5436.00 5435.58 5434.46 5433.46 5429.66 5426.72 5424.24 5417.37 5413.20 5412.14 5411.41 5411.72 5411.79 5411.25 5409.87 5407.92 5409.39 5412.04 5424.39 5440.03 5456.02 5485.03 5507.26 5528.15 5545.41 5557.88 5565.50 5572.77 5577.96 5580.98 5581.44 5581.07 5575.85 5570.46 5562.17 5553.53 5545.72 5538.29 5532.52 5527.23 5519.52 5516.22 5517.66 5524.55 5548.33 5579.60 5603.50 5623.52 5650.95 5682.47

St''' 5436.00 5435.96 5435.81 5435.57 5434.98 5434.16 5433.16 5431.59 5429.75 5427.99 5426.33 5424.87 5423.56 5422.33 5421.08 5419.77 5418.73 5418.06 5418.69 5420.83 5424.35 5430.41 5438.10 5447.10 5456.93 5467.03 5476.88 5486.47 5495.61 5504.15 5511.88 5518.80 5524.50 5529.10 5532.41 5534.52 5535.64 5535.90 5535.57 5534.73 5533.21 5531.51 5530.13 5529.57 5531.44 5536.26 5542.98 5551.04 5561.03 5573.17

ct

bt

at

-0.04 -0.11 -0.09 -0.36 -0.24 -0.16 -0.59 -0.26 0.08 0.10 0.20 0.15 0.08 -0.02 -0.07 0.28 0.37 1.30 1.50 1.39 2.55 1.62 1.32 0.83 0.26 -0.25 -0.26 -0.44 -0.61 -0.81 -0.81 -1.21 -1.11 -1.29 -1.19 -0.99 -0.85 -0.60 -0.49 -0.69 -0.18 0.31 0.83 2.43 2.94 1.91 1.33 1.94 2.15

-1.20 -3.10 -2.60 -10.37 -7.31 -5.52 -17.74 -8.98 0.40 1.16 3.95 2.91 0.89 -1.68 -3.23 6.62 9.48 36.43 43.40 41.62 76.17 52.12 45.33 32.53 17.34 3.04 2.52 -2.96 -8.31 -14.49 -15.33 -27.69 -25.92 -32.13 -30.73 -26.17 -23.23 -16.96 -14.43 -20.44 -6.60 7.26 22.21 68.80 85.67 59.20 44.62 63.25 71.36

5424.62 5405.68 5408.34 5332.61 5354.57 5366.34 5246.18 5316.99 5399.51 5406.47 5433.24 5425.56 5407.80 5383.60 5367.30 5458.33 5489.72 5752.13 5843.08 5856.01 6213.67 6038.24 6011.18 5922.98 5803.64 5682.61 5682.94 5635.65 5585.73 5524.24 5508.98 5383.42 5383.54 5308.54 5301.30 5324.72 5335.44 5379.59 5392.05 5324.97 5442.34 5569.08 5715.65 6173.43 6380.72 6188.22 6091.63 6301.44 6424.29

m

Ft

1 5423.40 1 5402.52 1 5405.70 1 5322.06 1 5347.14 1 5360.74 1 5228.14 1 5307.88 1 5399.95 1 5407.68 1 5437.29 1 5428.55 1 5408.73 1 5381.91 1 5364.03 1 5465.09 1 5499.39 1 5789.21 1 5887.23 1 5898.32 1 6291.12 1 6091.17 1 6057.17 1 5955.92 1 5821.12 1 5685.52 1 5685.34 1 5632.47 1 5577.11 1 5509.34 1 5493.24 1 5355.12 1 5357.07 1 5275.77 1 5269.97 1 5298.05 1 5311.78 1 5362.33 1 5377.37 1 5304.18 1 5435.66 1 5576.49 1 5738.27 1 6243.44 1 6467.85 1 6248.37 1 6136.92 1 6365.66 1 6496.72 2 6571.31 3 6648.05

et

|et|

-65.40 21.48 -269.70 119.94 70.86 -422.74 327.86 338.12 24.05 94.32 -43.29 -76.55 -92.73 -53.91 347.97 90.91 932.61 198.79 -115.23 1163.68 -933.12 -295.17 -495.17 -561.92 -511.12 -9.52 -183.34 -172.47 -195.11 -1.34 -405.24 104.88 -179.07 94.23 202.03 137.95 250.22 109.67 -193.37 509.82 492.34 513.51 1605.73 506.56 -1031.85 -578.37 607.08 216.34

65.40 21.48 269.70 119.94 70.86 422.74 327.86 338.12 24.05 94.32 43.29 76.55 92.73 53.91 347.97 90.91 932.61 198.79 115.23 1163.68 933.12 295.17 495.17 561.92 511.12 9.52 183.34 172.47 195.11 1.34 405.24 104.88 179.07 94.23 202.03 137.95 250.22 109.67 193.37 509.82 492.34 513.51 1605.73 506.56 1031.85 578.37 607.08 216.34

2195.20 15966.67

Xt − X

-284.28 -218.28 -506.28 -200.28 -224.28 -704.28 -86.28 3.72 -218.28 -140.28 -248.28 -290.28 -326.28 -314.28 69.72 -86.28 789.72 345.72 129.72 1419.72 -284.28 153.72 -80.28 -248.28 -332.28 33.72 -140.28 -182.28 -260.28 -134.28 -554.28 -182.28 -464.28 -272.28 -170.28 -206.28 -80.28 -170.28 -458.28 171.72 285.72 447.72 1701.72 1107.72 -206.28 27.72 1101.72 939.72

Xt − X

et 2

PEt

|PEt|

284.28 4277.16 -1.22 1.22 218.28 461.39 0.40 0.40 506.28 72738.09 -5.25 5.25 200.28 14384.88 2.20 2.20 224.28 5021.11 1.31 1.31 704.28 178706.31 -8.56 8.56 86.28 107489.31 5.90 5.90 3.72 114323.23 5.99 5.99 218.28 578.51 0.44 0.44 140.28 8896.80 1.71 1.71 248.28 1873.82 -0.80 0.80 290.28 5859.47 -1.43 1.43 326.28 8598.29 -1.74 1.74 314.28 2906.28 -1.01 1.01 69.72 121080.93 6.09 6.09 86.28 8265.30 1.64 1.64 789.72 869756.06 14.50 14.50 345.72 39516.21 3.32 3.32 129.72 13279.05 -2.00 2.00 1419.72 1354162.13 16.48 16.48 284.28 870703.97 -17.42 17.42 153.72 87125.94 -5.09 5.09 80.28 245189.08 -8.90 8.90 248.28 315757.21 -10.42 10.42 332.28 261242.13 -9.63 9.63 33.72 90.70 -0.17 0.17 140.28 33612.45 -3.33 3.33 182.28 29747.04 -3.16 3.16 260.28 38068.56 -3.63 3.63 134.28 1.81 -0.02 0.02 554.28 164219.85 -7.96 7.96 182.28 10999.85 1.92 1.92 464.28 32065.66 -3.46 3.46 272.28 8880.21 1.75 1.75 170.28 40815.76 3.69 3.69 206.28 19029.30 2.54 2.54 80.28 62611.37 4.50 4.50 170.28 12027.46 2.00 2.00 458.28 37391.75 -3.73 3.73 171.72 259913.60 8.77 8.77 285.72 242402.18 8.31 8.31 447.72 263687.81 8.43 8.43 1701.72 2578357.67 21.86 21.86 1107.72 256604.97 7.50 7.50 206.28 1064720.27 -18.98 18.98 27.72 334515.87 -10.20 10.20 1101.72 368543.27 9.00 9.00 939.72 46801.47 3.29 3.29

454.56 17004.48 10617301.57 15.44 271.67

120 Keterangan tabel dan rumus untuk metode Quadratic: S t' = αX t + (1 − α ) S t'−1 S t'' = αS t' + (1 − α ) S t''−1 S t''' = αS t'' + (1 − α ) S t''−' 1 at = 3S t' − 3S t'' + S t''' bt = ct =

α 2(1 − α ) 2

[(6 − 5α )S

' t

− (10 − 8α ) S t'' + (4 − 3α ) S t'''

]

α2 ( S t' − 2 S t'' + S t''' ) (1 − α ) 2

1 Ft + m = at + bt m + ct m 2 2

Inisialisasi awal: St’ = St’’ = St’’’ = Xt Dimana : Xt

= Data sebenarnya

St’

= Pemulusan pertama ke – t

St’’

= Pemulusan kedua ke – t

St’’’

= Pemulusan ketiga ke – t

bt

= Nilai trend ke – t

α

= Faktor pemulusan

Ft+m

= Nilai peramalan ke – t

Inisialisasi awal: St’ = St’’ = St’’’ = Xt Galat persentase (percentage error) Î PEt = Error Î ei = X i − Fi

X t − Ft × 100 Xt

121 Contoh perhitungan peramalan metode Quadratic untuk famili boiler: ) Inisialisasi awal: S1’ = S1’’ = S1’’’ = X1 = 5436.00 ) Periode 50: X 50 = 6582 ' S 49 = 5897.75 '' S 49 = 5650.95 ''' S 49 = 5561.03

S 50' = 0.1 * 6582 + (1 − 0.1) * 5897.75 = 5966.18 S 50'' = 0.1 * 5966.18 + (1 − 0.1) * 5650.95 = 5682.47 S 50''' = 0.1 * 5682.47 + (1 − 0.1) * 5561.03 = 5573.17 a50 = 3 * 5966.18 − 3 * 5682.47 + 5573.17 = 6424.29 b50 =

0.1 [(6 − 5 * 0.1)5966.18 − (10 − 8 * 0.1)5682.47 + (4 − 3 * 0.1)5573.17] = 71.36 2(1 − 0.1) 2

0.12 (5966.8 − 2 * 5682.47 + 5573.17) = 2.15 (1 − 0.1) 2 1 1 F49+1 = a 49 + b49 m + c 49 m 2 = 6301.44 + 63.25 * 1 + * 1.94 * 12 2 2 F50 = 6365.66

ct =

e50 = X 50 − F50 = 6582 − 6365.66 = 216.34 e50 = 216.34 2

e50 = 46801.47 PE50 =

X 50 − F50 6582 − 6365.66 x100 = x100 = 3.29 X 50 6582

PE50 = 3.29

) Periode 51: m =1 1 1 F50+1 = a50 + b50 m + c50 m 2 = 6424.29 + 71.36 *1 + * 2.15 * 12 2 2 F51 = 6496.72 ) Periode 52:

122 m=2 1 1 F50+ 2 = a50 + b50 m + c50 m 2 = 6424.29 + 71.36 * 2 + * 2.15 * 2 2 2 2 F52 = 6571.31 ) Periode 53: m=3 1 1 F50+ 3 = a50 + b50 m + c50 m 2 = 6424.29 + 71.36 * 3 + * 2.15 * 3 2 2 2 F53 = 6648.05

Seperti pada perhitungan metode winter, α yang paling optimal juga didapatkan secara trial error (coba-coba) dimana besarnya pun harus lebih besar dari 0 dan lebih kecil dari 1. Dari hasil yang dilakukan secara trial error tersebut, penulis mendapatkan bahwa α yang paling baik adalah 0,1. Kemudian dengan α = 0,1 maka jumlah produksi famili boiler yang harus diproduksi berdasarkan metode quadratik adalah 6496,72 ton.

5.2.2 Grafik Perbandingan Tingkat Error Hasil Perhitungan Metode Peramalan Dibawah ini penulis akan menampilkan tabel tingkat error yang didapat dari masing-masing peramalan beserta dengan masing-masing grafiknya. Tingkat error yang disajikan oleh penulis ada 3 macam yaitu MAPE, MSE, dan MAD. Namun disini jika ada nilai error yang sama banyak maka akan didahulukan berdasarkan MAPE-nya kemudian MSE baru setelah itu MAD-nya.

123 5.2.2.1 Tingkat Error Famili Boiler Tabel 5.14 Tabel Tingkat Error Untuk Famili Boiler Boiler MSE MAD MAPE Holt 220390.17 354.26 5.35 DMA 339448.27 355.46 6.93 Quadratik 221193.78 354.26 5.66 Winter 284437.66 385.55 7.20 Keterangan: jenis peramalan yang dicetak tebal adalah jenis peramalan yang terbaik untuk famili diatas sedangkan angka yang dicetak tebal adalah angka tingkat error yang terkecil untuk setiap metode yang dihitung.

Contoh perhitungan tingkat error untuk famili boiler: 1. Nilai tengah galat persentase (mean absolute percentage error) n

∑

MAPE Holt = MAPE Holt MAPE Holt

i =1

n

PEi

∑ PE

MAPE DMA =

n 256.84 = 48 = 5.35

MAPE DMA MAPE DMA

i =1

n 311.85 = 45 = 6.93

n

MAPEQuadratic = MAPEQuadratic MAPEQuadratic

∑ PE i =1

i

n

i

n 271.67 = 48 = 5.66

MAPEW int er = MAPEW int er MAPEW int er

∑ PE i =1

i

n 259.37 = 36 = 7.20

2. Nilai tengah galat kuadrat ( mean squared error ) n

MSE Holt = MSE Holt MSE Holt

∑ ei

n

2

i =1

n 10578728.39 = 48 = 220390.17

MSE DMA = MSE DMA MSE DMA

∑e i =1

2 i

n 15275172.00 = 45 = 221193.78

124 n

MSEQuadratik = MSEQuadratik MSEQuadratik

∑ ei

n

2

i =1

n 10617301.57 = 48 = 221193.78

MSEW int er = MSEW int er MSEW int er

∑e i =1

2

i

n 10239755.91 = 36 = 284437.66

3. Nilai tengah deviasi absolut (mean absolute deviation) 1 ∑ Xi − X n 1 * 17004 .48 = 48 = 354.26

MAD Holt = MAD Holt MAD Holt

1 ∑ Xi − X n 1 MADQuadratik = *17004.48 48 MADQuadratik = 354.26

MADQuadratik =

1 ∑ Xi − X n 1 MADDMA = *15955.64 45 MADDMA = 355.46 MADDMA =

1 ∑ Xi − X n 1 = * 13879.68 36 = 385.55

MADW int er = MADW int er MADW int er

Dari tabel dan perhitungan diatas, disini dapat kita lihat bahwa nilai error peramalan pada famili boiler untuk MAPE adalah peramalan Holt. Kemudian untuk MSE yang mempunyai error yang paling kecil adalah peramalan Holt . Sedangkan untuk metode MAD, yang mempunyai error yang paling kecil ada 2 buah yaitu peramalan Holt dan peramalan Quadratik. Dari hasil tabel diatas kita bisa melihat bahwa peramalan yang digunakan untuk menentukan jumlah pakan ternak famili boiler adalah peramalan Holt.

125 MAPE Famili Boiler

MAD Famili Boiler 8.00 Er r or (%)

390.00 380.00 370.00 360.00 350.00 340.00 330.00

4.00 2.00

Tipe Peram alan

(a)

(b)

int

er

ik W

at dr Qu a

DM A

Ho lt

er W int

at ik dr

DM A

Qu a

Qu a

Tipe Peram alan

6.00

0.00

Ho lt

DM A dr at ik W int er

Se lis ih

400000.00 300000.00 200000.00 100000.00 0.00 Ho lt

Er r or

MSE Fam ili Boiler

Tipe Peramalan

(c)

Gambar 5.9 (a) Grafik MSE Famili Boiler; (b) Grafik MAD Famili Boiler; (c) Grafik MAPE Famili Boiler

5.2.2.2 Tingkat Error Famili Layer

Tabel 5.15 Tabel Tingkat Error Untuk Famili Layer Layer Holt DMA Quadratik Winter

MSE MAD MAPE 303262.12 419.35 5.41 483915.40 418.69 6.86 304151.94 419.35 5.62 395664.02 454.03 7.03

Disini dapat kita lihat bahwa nilai error peramalan pada famili layer untuk MAPE adalah peramalan Holt. Kemudian untuk MSE yang mempunyai error yang paling kecil adalah peramalan Holt . Sedangkan untuk metode MAD, yang mempunyai error yang paling kecil yaitu peramalan DMA. Dari hasil tabel diatas kita bisa melihat bahwa peramalan yang digunakan untuk menentukan jumlah pakan ternak famili layer adalah peramalan Holt.

126 MAD Fam ili Layer

MAPE Fam ili Layer

460.00 450.00 440.00

Error (%)

Selisih

8.00

430.00 420.00 410.00

6.00 4.00 2.00 0.00

Tipe Peram alan

(a)

W in te r

at ik

DM A

Q ua dr

Ho lt

W in te r

at ik Q ua dr

Tipe Peram alan

DM A

Ho lt

DM A Q ua dr at ik W in te r

400.00

Ho lt

Error

MSE Fam ili Layer 600000.00 500000.00 400000.00 300000.00 200000.00 100000.00 0.00

Tipe Peram alan

(b)

(c)

Gambar 5.10 (a) Grafik MSE Famili Layer; (b) Grafik MAD Famili Layer; (c) Grafik MAPE Famili Layer

5.2.2.3 Tingkat Error Famili Breeder

Tabel 5.16 Tabel Tingkat Error Untuk Famili Breeder Breeder Holt DMA Quadratik Winter

MSE MAD MAPE 56145.24 183.55 6.46 90380.30 184.05 8.29 6.57 56048.46 183.55 75859.72 202.95 8.11

Disini dapat kita lihat bahwa nilai error peramalan pada famili breeder untuk MAPE adalah peramalan Holt. Kemudian untuk MSE yang mempunyai error yang paling kecil adalah peramalan Quadratik. Sedangkan untuk metode MAD, yang mempunyai error yang paling kecil ada 2 peramalan yaitu peramalan Holt dan Quadratik sehingga dari hasil diatas kedudukan sama kuat. Namun sesuai penjelasan diatas, yang dipakai oleh Penulis untuk menentukan jumlah pakan ternak famili breeder pada periode mendatang adalah hasil dari peramalan metode Holt karena MAPE-nya paling kecil.

127 MAD Fam ili Breeder

Tipe Peram alan

(a)

(b)

W in te r

4.00 2.00 0.00 DM A Q ua dr at ik

Error (%)

MAPE Fam ili Breeder 10.00 8.00 6.00

W in te r

at ik

DM A

Ho lt

Tipe Peram alan

Q ua dr

Selisih

205.00 200.00 195.00 190.00 185.00 180.00 175.00 170.00

W in te r

DM A Q ua dr at ik

40000.00 20000.00 0.00 Ho lt

Error

100000.00 80000.00 60000.00

Ho lt

MSE Fam ili Breeder

Tipe Peram alan

(c)

Gambar 5.11 (a) Grafik MSE Famili Breeder; (b) Grafik MAD Famili Breeder; (c) Grafik MAPE Famili Breeder

5.2.2.4 Tingkat Error Famili Puyuh

Tabel 5.17 Tabel Tingkat Error Untuk Famili Puyuh Puyuh Holt DMA Quadratik Winter

MSE MAD MAPE 2572.40 9.62 33.95 3681.08 34.64 11.82 2382.40 33.95 9.35 3985.78 38.30 12.32

Disini dapat kita lihat bahwa nilai error peramalan pada famili puyuh untuk MAPE adalah peramalan Quadratik. Kemudian untuk MSE yang mempunyai error yang paling kecil adalah peramalan Quadratik. Sedangkan untuk metode MAD, yang mempunyai error yang paling kecil ada 2 buah yaitu peramalan Holt dan peramalan Quadratik. Dari hasil tabel diatas kita bisa melihat bahwa peramalan yang digunakan untuk menentukan jumlah pakan ternak famili puyuh adalah peramalan Quadratik.

128 MAD Fam ili Puyuh

Tipe Peram alan

Tipe Peramalan

(a)

W in te r

int

er

ik at

W

dr

DM A

Qu a

Ho lt

0.00

14.00 12.00 10.00 8.00 6.00 4.00 2.00 0.00 DM A Q ua dr at ik

1000.00

Error (%)

2000.00

MAPE Fam ili Puyuh

W in te r

3000.00

Ho lt

Selisih

Er r or

4000.00

DM A Q ua dr at ik

5000.00

39.00 38.00 37.00 36.00 35.00 34.00 33.00 32.00 31.00

Ho lt

MSE Famili Puyuh

Tipe Peram alan

(b)

(c)

Gambar 5.12 (a) Grafik MSE Famili Puyuh; (b) Grafik MAD Famili Puyuh; (c) Grafik MAPE Famili Puyuh

5.2.2.5 Tingkat Error Famili Sapi

Tabel 5.18 Tabel Tingkat Error Untuk Famili Sapi Sapi Holt DMA Quadratik Winter

MSE 2923.43 3917.73 2751.38 4780.01

MAD 37.00 35.33 37.00 36.83

MAPE 16.94 19.47 17.90 23.36

Disini dapat kita lihat bahwa nilai error peramalan pada famili sapi untuk MAPE adalah peramalan Holt. Kemudian untuk MSE yang mempunyai error yang paling kecil adalah peramalan Quadratik. Sedangkan untuk metode MAD, yang mempunyai error yang paling kecil yaitu peramalan MAD sehingga dari hasil diatas kedudukan sama kuat antara 3 peramalan yaitu Holt, DMA, Quadratik. Namun sesuai penjelasan diatas, yang dipakai oleh Penulis untuk menentukan jumlah pakan ternak famili sapi pada periode mendatang adalah hasil dari peramalan metode Holt.

129 MAD Fam ili Sapi

Er r or (%)

20.00 15.00 10.00 5.00

Tipe Peram alan

(a)

int

er

ik W

at dr

DM A

Ho lt

at ik

W in te r

Qu a

Tipe Peram alan

Q ua dr

Ho lt

0.00 DM A

Selisih ik

MAPE Famili Sapi 25.00

37.50 37.00 36.50 36.00 35.50 35.00 34.50

W int er

Qu a

dr

at

DM A

Ho lt

Error

MSE Famili Sapi 6000.00 5000.00 4000.00 3000.00 2000.00 1000.00 0.00

Tipe Peramalan

(b)

(c)

Gambar 5.13 (a) Grafik MSE Famili Sapi; (b) Grafik MAD Famili Sapi; (c) Grafik MAPE Famili Sapi

5.2.2.6 Tingkat Error Famili Babi

Tabel 5.19 Tabel Tingkat Error Untuk Famili Babi Babi Holt DMA Quadratik Winter

MSE 2629.41 3830.40 2403.99 5784.84

MAD 34.75 186.37 34.75 35.87

MAPE 19.88 22.80 21.05 28.50

Disini dapat kita lihat bahwa nilai error peramalan pada famili babi untuk MAPE adalah peramalan Holt. Kemudian untuk MSE yang mempunyai error yang paling kecil adalah peramalan Quadratik. Sedangkan untuk metode MAD, yang mempunyai error yang paling kecil ada 2 peramalan yaitu peramalan Holt dan Quadratik sehingga dari hasil diatas kedudukan sama kuat. Namun sesuai penjelasan diatas, yang dipakai oleh Penulis untuk menentukan jumlah pakan ternak famili babi pada periode mendatang adalah hasil dari peramalan metode Holt.

130 MAD Famili Babi

Tipe Peramalan

Tipe Peramalan

(a)

er int

tik

er

tik

int W

ra ad

Qu

DM A

Ho lt

er

ik

int W

dr

at

DM A

Qu a

Ho lt

0.00

W

50.00

ra

100.00

ad

Er r o r (%)

Er r or

Se lis ih

150.00

30.00 25.00 20.00 15.00 10.00 5.00 0.00

Qu

200.00

DM A

7000.00 6000.00 5000.00 4000.00 3000.00 2000.00 1000.00 0.00

MAPE Famili Babi

Ho lt

MSE Fam ili Babi

Tipe Peramalan

(b)

(c)

Gambar 5.14 (a) Grafik MSE Famili Babi; (b) Grafik MAD Famili Babi; (c) Grafik MAPE Famili Babi

Dari perhitungan tingkat error diatas kita dapat menyimpulkan berapa jumlah yang harus kita produksi untuk setiap famili pada periode mendatang (dalam hal ini 1 minggu kedepan). Hasilnya bisa kita lihat pada tabel dibawah ini. Tabel 5.20 Tabel Jumlah Hasil Peramalan Setiap Famili Nama Famili Boiler Layer Breeder Puyuh Babi

Hasil Peramalan (ton) 6548.42 7853.22 3179.86 476.03 216.25

Hasil peramalan diatas adalah hasil peramalan dalam familinya sedangkan yang kita inginkan adalah jumlah yang harus diproduksi untuk setiap end item dalam famili tersebut. Karena itu dalam hal ini penulis akan membagi jumlah yang harus diproduksi setiap famili tersebut berdasarkan persentase masing-masing end item dalam setiap famili. Dengan demikian kita mendapatkan jumlah produksi untuk setiap end item (lihat

131 kolom ’Jumlah Produksi’ pada tabel 5.15) namun hasil tersebut masih dalam 1 minggu sedangkan yang kita inginkan adalah jumlah yang harus diproduksi per hari. Karena itu hasil kolom tadi kita bagi lagi dengan 5 karena hanya ada 5 hari kerja reguler yaitu hari Senin sampai hari Jumat (hari Sabtu dan Minggu dihitung lembur) dimana hasilnya adalah kolom ’Demand’. Setelah itu karena masih berbentuk koma dan kelipatan jumlah yang diproduksi harus kelipatan 6 ton (sesuai komposisi pakan ternak yang telah diterapkan) maka jumlah tersebut harus direvisi dengan membulatkan keatas (Roundup) menjadi kelipatan 6 yang dapat anda lihat pada kolom ’Revisi Demand’. Data tersebut penulis bulatkan keatas karena jika dibulatkan kebawah akan terjadi kekurangan/loss sale. Memang jika kita membulat angka tersebut keatas maka bisa terjadi penumpukan di gudang, namun hal itu lebih baik karena dari segi biaya, biaya loss sale/ kekurangan akan lebih banyak dibandingkan biaya penyimpanan. Kemudian setelah itu tentu saja akan ada revisi terhadap jumlah end item yang harus diproduksi selama 1 minggu tersebut yaitu kolom ’Revisi Jumlah Produksi’. Tabel 5.21 Tabel Hasil End Item Nama End Item 611 612 613 511 512 513 BP11 621 622 521 522 523

Revisi Revisi Jumlah Jumlah Demand Demand Produksi Produksi (ton) (ton) (ton) (ton) 3715.08 743.02 744 3720 787.44 157.49 162 810 379.10 75.82 78 390 425.61 85.12 90 450 585.22 117.04 120 600 322.97 64.59 66 330 333.00 66.60 72 360 2638.31 527.66 528 2640 1874.40 374.88 378 1890 2728.65 545.73 546 2730 149.13 29.83 30 150 157.08 31.42 36 180

132 321 305.65 631 1477.76 632 151.73 633 102.19 531 892.80 532 269.77 533 285.62 6104 248.11 6105 227.92 SP121 135.36 SP201 131.88 BT42 108.13 BT45 108.13 Total 18541.03

61.13 295.55 30.35 20.44 178.56 53.95 57.12 49.62 45.58 27.07 26.38 21.63 21.63 3708.21

66 300 36 24 180 54 60 54 48 30 30 24 24 3780

330 1500 180 120 900 270 300 270 240 150 150 120 120 18900

Contoh perhitungan pada tabel diatas untuk famili boiler: Seperti kita tahu, hasil peramalan produk jadi untuk famili boiler adalah 6548.42 ton berdasarkan hasil error yang terbaik untuk metode Holt. ) Kolom ’Jumlah Produksi’: boiler = 6548.42 160050 = 3715.08 282114 33924 612 = 6548.42 * = 787.44 282114 16332 613 = 6548.42 * = 379.10 282114 18336 511 = 6548.42 * = 425.61 282114 25212 512 = 6548.42 * = 585.22 282114 13914 513 = 6548.42 * = 322.97 282114 14346 = 333.00 BP11 = 6548.42 * 282114 611 = 6548.42 *

) Kolom ’Demand’

133 3715.08 = 743.02 5 787.44 = 157.49 612 = 5 379.10 613 = = 75.82 5 425.61 511 = = 85.12 5 585.22 512 = = 117.04 5 322.97 513 = = 64.59 5 333.00 BP11 = = 66.60 5 611 =

) Kolom ’Revisi Demand’ 611 ==> 744 612 ==> 162 613 ==> 78 511 ==> 90 512 ==> 120 513 ==> 66 BP11 ==> 72

) Kolom ’Revisi Jumlah Produksi’ 611 = 744 * 5 = 3720 612 = 162 * 5 = 810 613 = 78 * 5 = 390 511 = 90 * 5 = 450 512 = 120 * 5 = 600 513 = 66 * 5 = 330 BP11 = 72 * 5 = 360

Dari demand sebenarnya yang belum direvisi dengan demand yang sudah direvisi, kita dapat melihat adanya kenaikan jumlahnya yaitu dari 3708,21 ton menjadi 3780 ton

134 sehingga ada kenaikan sebesar 71,79 ton karena disini sesuai alasan diatas, penulis membulatkan nilai tersebut keatas.

5.2.3 Penentuan Rencana Produksi Agregat

Pada perhitungan perencanaan produksi agregat ini, penulis menggunakan metode transportasi. Tabel 5.22 Perhitungan Agregat Pakan Ternak Senin

Selasa

Rabu

Kamis

Jumat

Sabtu

Minggu

Kapasitas Tak

Kapasitas

(Reguler)

(Reguler)

(Reguler)

(Reguler)

(Reguler)

(Lembur)

(Lembur)

Terpakai (ton)

Produksi (ton)

30

3810

30

3810

30

3810

30

3810

30

3810

3810

3810

3810

3810

7770

26670

Senin (Reguler)

3780

Selasa 3780

(Reguler) Rabu

3780

(Reguler) Kamis

3780

(Reguler) Jumat

3780

(Reguler) Sabtu (Lembur) Minggu (Lembur) Demand

3780

3780

3780

3780

3780

-

-

(ton)

Demand per hari = 3780 ton seperti pada tabel 5.15 Kapasiitas Produksi = 3810 ton per hari sesuai dengan kemampuan mesin Kapasitas Tidak Terpakai adalah 30 ton. Pada perhitungan untuk mencari demand per hari di subbab sebelumnya, kita mengasumsikan jumlah demand yang diminta selama 5 hari (hari Senin sampai hari Jumat) adalah sama, dengan kondisi yang umum seperti tidak ada mesin rusak ataupun

135 ada order tambahan yang sangat penting dimana sock di gudang tidak cukup sehingga harus diproduksi leih banyak lagi, dll. Dari hasil perhitungan tersebut kita dapat melihat bahwa jumlah demand per hari yang diminta adalah 3780 ton. Sedangkan jumlah kapasitas produksi kita sehari adalah 3810 ton. Sehingga dalam hal ini setiap harinya kita mempunyai kapasitas yang tidak terpakai sebesar 30 ton. Jika kita gunakan kapasitas tersebut maka nantinya akan menimbulkan biaya penyimpanan sehingga hal tersebut tidak akan kita lakukan. Kemudian dengan tercukupinya demand yang diminta dengan kapasitas produksi pada hari kerja reguler (bahkan berlebihan) maka otomatis hari lembur yaitu hari Sabtu dan Minggu tidak kita gunakan sehingga kita juga menghemat biaya lembur pada buruh tersebut. Jika nantinya ditemui bahwa kapasitas produksi reguler tidak mencukupi demand yang diminta, maka akan dipakai kapasitas produksi lembur. Namun ika tidak tercukupi lagi dengan kapasitas produksi lembur maka perusahaan akan mendapat biaya loss sale karena perusahaan tidak pernah menerapkan order dari luar dimana formula pakan ternak yang ada sifatnya sangat rahasia.

5.2.4 Penentuan Rencana Produksi Disagregat

1). Memilih famili mana yang harus diproduksi: Tabel 5.23 Langkah Pertama dalam Perhitungan Disagregasi Perencanaan Disagregasi Untuk Semua Famili Minggu Depan SENIN Langkah 1 Safety Expected End Inventory Demand Famili Stock Quantity (ton) (ton) (ton) Item (ton) 1500 1500 -744 Boiler 611 744 360 330 -132 612 162 186 180 -72 613 78

136 180 180 -90 511 90 366 240 6 512 120 150 120 -36 513 66 150 150 -72 BP11 72 1200 990 -318 621 528 720 750 -408 622 378 1260 1050 -336 521 546 Layer 84 90 -36 522 30 60 90 -66 523 36 120 120 -66 321 66 756 600 -144 631 300 66 60 -30 632 36 60 60 -24 633 24 Breeder 366 360 -174 531 180 126 120 -48 532 54 120 120 -60 533 60 150 90 6 6104 54 Puyuh 144 90 6 6105 48 54 60 -36 SP121 30 Sapi 72 60 -18 SP201 30 72 42 6 BT42 24 Babi 72 42 6 BT45 24 8394 3780 7494 -2880 Total Keterangan: nilai yang dicetak tebal bertanda negatif (-) dan berarti jumlah produksi

item tersebut akan dibawah standar safety stock jika tidak dibuat kembali setelah dipakai untuk memenuhi permintaan/demand.

Rumus Expected Quantity: (Iij,t-1 – Dij,t – Sij) ≤ 0 Iij,t-1 : Persediaan awal setiap item j pada semua famili i Dij

: Demand setiap item j pada semua famili i

Sij

: Safety Stock setiap item j pada semua famili i

137 Contoh perhitungan mendapatkan expected quantity untuk end item pada famili boiler: Expected Quantity 611 = 1500 − 744 − 1500 = −744 Expected Quantity 612 = 360 − 162 − 330 = −132 Expected Quantity 613 = 186 − 78 − 180 = −72 Expeced Quantity 511 = 180 − 90 − 180 = −90 ExpectedQuantity 512 = 366 − 120 − 240 = 6 ExpectedQuantity 513 = 150 − 66 − 120 = −36 ExpectedQuantity BP11 = 150 − 72 − 150 = −72

2) Menentukan jumlah yang harus diproduksi: Tabel 5.24 Langkah Kedua dalam Perhitungan Disagregasi

Osi Famili (ton) Boiler 5250 Layer 5400 Breeder 2400 Puyuh 450 Sapi 300 Babi 300 Total 14100 Rumus:

Ii (ton) 2892 3708 1494 294 126 144 8658

Ai (kg) 281940000 347052000 138546000 21498000 13230000 10830000 813096000

Langkah 2 Csi (Rp Chi (Rp 000,00) 000,00) 1800 3832500 1500 3942000 1500 1752000 1000 328500 1000 219000 1000 54750 7800 10128750

R (%) 18% 18% 18% 18% 18% 18% 1.08

EOQi (ton) 1212.98 1211.33 1148.03 852.73 819.29 1482.52 6726.88

Yi = Min [ EOQi ; Osi – Ii ]

dimana: Osi = Jumlah max persediaan famili-i Ii

= Jumlah persediaan famili -i EOQi =

Dimana:

2. Ai .Csi R.Chi

Ai

: Kebutuhan famili i per tahun

Csi

: Biaya 1 kali setup mesin untuk membuat famili – i

OsiIi (ton) Yi (ton) 2358 1213.00 1692 1212.00 906 906.00 156 174 174.00 156 3505.00

138 Chi

: Biaya simpan famili – i per tahun

R

: Suku bunga bank (nilai uang atas barang persediaan)

Yi

: Jumlah famili ke-i yang harus diproduksi.

Contoh perhitungan untuk langkah kedua metode disagregasi: Os Boiler = 5250 ton I Boiler = 2892 ton ABoiler = 281940000 kg Cs Boiler = Rp 1800000 ChBoiler = Rp 2 * 365 hari * 5250000 kg = Rp 3832500000 R = 18% 2 * 281940000 =1212.98 ton 18% * 3832500000 − I Boiler = 2358 ton

EOQBoiler = Os Boiler

YBoiler = min( EOQBoiler , Os Boiler − I Boiler ) = 1213 ton

3). Penyesuaian: Tabel 5.25 Langkah Ketiga dalam Perhitungan Disagregasi Langkah 3

Famili

1308.17 1307.09 977.08

2550 2310 1080

⎡ ⎤ ⎢ ∑ (OSij ,t − Sij ,t ) ⎥ jεi ⎥ Yi ,t ) ⎢ ⎢ ⎥ ⎢ ∑ (OSij ,t − Sij ,t ) ⎥ ⎣ iεh ⎦ 1327.58 1315.80 954.53

187.65

180

182.09

180.00

3780

6120

3780.00

3777.91

Ph,t Ph,t*Yi/sum(Yi) Osi - Si (ton)

Boiler Layer Breeder 3780 Puyuh Sapi Babi Total 3780

Yi ,t + ( Ph ,t − ∑ iεh

Yi*,t

1327.58 1315.80 954.53

139 Rumus: Jika Σ Yi ≠ Ph maka: Ph = Rencana produksi agregat tipe (h) Σ Yi = Total jumlah semua famili yang harus di produksi

°

Jika

∑ε

Yi ,t > Ph ,t

maka Yi,t disesuaikan menjadi Yi*,t ; dimana:

i h

⎡ Y ⎤ Yi *,t = Ph ,t ⎢ i ⎥ ⎣ ∑ Yi ⎦

°

Jika

∑ε

Y i , t < Ph , t maka

Yi,t

disesuaikan

menjadi

i h

membandingkan a & b yang paling minimum dimana: |Æ a | Yi*,t = Min | |Æ b

∑ε (OS

ij,t

− Sij,t )

ji

⎡ ⎤ ⎢∑ (OSij,t − Sij,t )⎥ jεi ⎥ Yi,t + (Ph,t − ∑ Yi,t )⎢ ⎢ ⎥ iεh ⎢∑ (OSij,t − Sij,t )⎥ ⎣ iεh ⎦

Yi*,t

dengan

140 Contoh perhitungan untuk langkah ketiga metode disagregat:

∑Y

Famili

= 3505 ton

Pr oduksi Agregat ( Ph, t ) = 3780 ton *) kalau ΣYi > Ph, t maka : YBoiler *, t = Ph, t *

YBoiler ∑ YFamili

1213.00 = 1308.17 ton YBoiler *, t = 3780 * 3505 *) kalau Yi < Ph, t maka : YBoiler *, t = min[(a ), (b)] (a)

∑ε

(OS ij ,t − S ij ,t ) = 5250 − (1500 + 330 + 180 + 180 + 240 + 120 + 150) = 2550 ton

j i

⎡ ⎤ ⎢ ∑ (OS ij ,t − S ij ,t ) ⎥ jεi ⎥ (b) Yi ,t + ( Ph ,t − ∑ Yi ,t ) ⎢ ⎢ ⎥ iεh ⎢ ∑ (OS ij ,t − S ij ,t ) ⎥ ⎣ iεh ⎦ 2550 ⎡ ⎤ = 1213.00 + (3780 − 3505) * ⎢ ⎥ ⎣ 2550 + 2310 + 1080 + 180 ⎦ = 1327.58 ton YBoiler *, t = min[(a ), (b)] = 1327.58 ton

4) Perhitungan Disagregasi Item: Tabel 5.26 Langkah Keempat dalam Perhitungan Disagregasi Langkah 4 Famili

Boiler

Layer

End Item

dij,t (ton)

Xij,t (ton)

Xij,t adjust (ton)

Xij,t akhir (ton)

611 612 613 511 512 513 BP11 621

744

986.54

987

990

132

145.03

146

150

72

89.47

90

90

90

119.34

120

120

0

-126.00

0

0

36 72 318

17.74 95.47 221.70

18 96 222

18 96 222

141 408 583.88 622 336 246.14 521 36 54.87 522 66 119.60 523 66 89.60 321 144 182.56 631 30 64.53 632 24 56.43 633 Breeder 174 403.09 531 48 106.85 532 60 141.07 533 6104 Puyuh 6105 130.00 SP121 36 Sapi 50.00 SP201 18 BT42 Babi BT45 Total 2910 3777.91

Rumus: X ij ,t

584 247 55 90 90 183 60 57 360 107 120

588 252 60 90 90 186 60 60 360 108 120

60 50

60 54

3742

3774

⎡ ⎤ ⎢ Yi *,t + ∑ ( I ij ,t −1 − Sij ,t ) ⎥ jεi ⎥ + Sij ,t − I i = d ij ,t ⎢ j ,t −1 ⎢ ⎥ , dij t ∑ ⎢ ⎥ jε i ⎣ ⎦

dij,t = Max [0 ; Dij,t – Iij,t-1 + Sij,t] dimana: | dij,t

= Permintaan efektif item-j pada perioda t

| Dij,t

= Permintaan pasar item-j pada perioda t

| Iij,t-1 = Persediaan item-j pada akhir perioda t-1

Penyesuaian item: ) 0 < Xij,t < 0Sij,t

=> Xij*,t = Xij,t

) 0 ≥ Xij,t

=> Xij*,t = 0

) Xij,t ≥ OSij,t

=> Xij*,t = OSij,t

142 Contoh perhitungan untuk langkah keempat perhitungan disagregasi untuk famili boiler:

d 611,t = Max [0 ; Dij, t – Iij, t - 1 + Sij, t] = Max [ 0, 744 - 1500 + 1500] = 744 d 612,t = Max [ 0, 162 - 340 + 330] = 132 d 613,t = Max [ 0, 78 - 156 + 180] = 72 d 511,t = Max [ 0, 90 - 180 + 180] = 90 d 512,t = Max [ 0, 120 - 366 + 240] = 0 d 513,t = Max [ 0, 66 - 148 + 120] = 36 d BP11,t ] = Max [ 0, 72 - 150 + 150] = 72

X ij ,t = S ij ,t

⎤ ⎡ ⎢ Yi *, t + ∑ ( I ij ,t −1 − S ij ,t ) ⎥ jεi ⎥ − I i j ,t −1 + d ij ,t ⎢ ⎥ ⎢ dij , t ∑ ⎥ ⎢ jε i ⎦ ⎣

X 611,t = 1500−1500+ 744* ⎡1327.58 + (1500−1500) + (360 − 330) + (186 −180) + (180 −180) + (366 − 240) + (150 −120) + (150 −150) ⎤ ⎢ ⎥ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ ⎦ ⎡1327.58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 1500−1500+ 744* ⎢ ⎥ ⎣ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎦ = 986.54 X 611,t adjust = 987 X 611,t akhir = 990

143 ⎡ 1327 . 58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 330 − 360 + 132 * ⎢ ⎥⎦ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ = 145 . 03

X

612 , t

X

612 , t

adjust

X

612 , t

akhir

X

613 , t

X

613 , t

adjust

X

613 , t

akhir

X

511 , , t

X

511 , t

adjust

X

511 , t

akhir

X

512 , t

X

512 , t

adjust

X

512 , t

akhir

X

513 , t

X

513 , t

adjust

X

513 , t

akhir

X

BP 11 , t

X

BP 11 , t

adjust

X

BP 11 , t

akhir

= 146 = 150

⎡ 1327 . 58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 180 − 186 + 72 * ⎢ ⎥⎦ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ = 89 . 47 = 90 = 90

⎡ 1327 . 58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 180 − 180 + 90 * ⎢ ⎥⎦ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ = 119 . 34 = 120 = 120

⎡ 1327 . 58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 240 − 366 + 0 * ⎢ ⎥⎦ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ = − 126 = 0 = 0

⎡ 1327 . 58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 120 − 150 + 36 * ⎢ ⎥⎦ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ = 17 . 74 = 18 = 18

⎡ 1327 . 58 + 0 + 30 + 6 + 0 + 126 + 30 + 0 ⎤ = 150 − 150 + 72 * ⎢ ⎥⎦ 744 + 132 + 72 + 90 + 0 + 36 + 72 ⎣ = 95 . 47 = 96 = 96

144 Pada langkah pertama, hasil yang diperoleh yaitu kita bisa melihat mana end item yang harus kita produksi dimana nilai negatif seperti pada tabel 5.23 diatas. Nilai negatif tersebut berarti bahwa inventori awal pada end item tersebut nantinya akan berada dibawah standar safety stock yang telah ditetapkan perusahaan apabila nantinya inventory tersebut harus memenuhi demand tanpa harus diproduksi terlebih dahulu. Kemudian dari langkah kedua kita bisa mengetahui jumlah produksi pakan ternak namun dalam 1 famili. Disini diperlukan input seperti tingkat suku bunga, kapasitas produksi agregat, biaya simpan, biaya setup setiap membuat famili tersebut, dan juga kapasitas penyimpanan gudang. Pada langkah ketiga, kita lakukan penyesuaian, dimana penyesuaian ini dilakukan apabila jumlah antara kapasitas pakan yang harus diproduksi seluruh famili (Yit) tidak sama dengan kapasitas agregat (Pht). Jika Yit < Pht maka ada sisa kapasitas agregat yang tidak terpakai, sehingga sisa kapasitas produksi tersebut harus dibuat dengan dibagi rata kepada famili tersebut untuk nantinya meningkatkan inventory. Namun jika Yit > Pht maka jumlah produksi yang kita butuhkan tidak dapat dicukupi oleh kapasitas agregat perusahaan sehingga kita harus memilih produk mana yang harus diutamakan dengan biaya yang paling kecil. Terakhir, langkah keempat yaitu pemecahan dari famili ke end item yang dituju. Dalam tabel 5.26 diatas, Xij,t diatas adalah jumlah end item yang harus diproduksi dari hasil perhitungan dimana hasilnya masih berupa koma, Xij,t adjust adalah pembulatan dari Xij,t tersebut. Kemudian Xij,t akhir adalah penyesuaian akhir dari Xij,t dimana nilainya harus selalu kelipatan 6 ton dan disitu dibulatkan keatas. Dari hasil perhitungan secara disagregasi, maka kita mendapatkan jumlah yang harus kita produksi untuk end item tersebut dan dapat menyimpulkan bahwa dengan memakai disagregasi ini

145 diharapkan perusahaan dapat memproduksi pakan ternak yang paling dibutuhkan sehingga tidak mendapatkan loss sale ataupun backorder karena permintaan konsumen dapat terpenuhi. Tabel 5.27 Tabel Hasil Perhitungan Disagregasi hari Senin

Famili

End Item

611 Boiler 612 Boiler 613 Boiler 511 Boiler 512 Boiler 513 Boiler BP11 Boiler 621 Layer 622 Layer 521 Layer 522 Layer 523 Layer 321 Layer 631 Breeder 632 Breeder 633 Breeder 531 Breeder 532 Breeder 533 Breeder 6104 Puyuh 6105 Puyuh SP121 Sapi SP201 Sapi BT42 Babi BT45 Babi Total

Inventory

Safety Stock

1500 360 186 180 366 150 150 1200 720 1260 84 60 120 756 66 60 366 126 120 150 144 54 72 72 72 8394

1500 330 180 180 240 120 150 990 750 1050 90 90 120 600 60 60 360 120 120 90 90 60 60 42 42 7494

Inventory Akhir 1746 348 198 210 246 102 174 894 930 966 114 114 144 642 90 96 546 180 180 96 96 84 96 48 48 8388

5.2.5 Analisa Perbandingan Sistem

Dengan memakai cara/sistem peramalan yang diusulkan, kita dapat melihat bahwa tingkat persentase error tidak lebih dari 20%, sedangkan selama ini tingkat error untuk meramalkan jumlah produksi sangat tinggi dimana bisa mencapai 75%. Dengan

146 error yang tinggi, maka ada selisih antara jumlah yang diperkirakan dengan jumlah yang diproduksi. Karena itu penulis mengusulkan bahwa melakukan peramalan dengan menggunakan suatu metode (makin banyak metode akan semakin baik sehingga kita bisa memilih yang benar-benar terbaik) akan lebih baik dibandingkan dengan menggunakan intuisi nantinya. Kemudian dengan membandingkan beberapa metode, kita bisa melihat metode mana yang terbaik yang sesuai dengan pola data yang ada dan tingkat error yang terkecil.

Tabel 5.28 Tabel Perbandingan Peramalan Data Sebenarnya Hasil Peramalan Percentase Peramalan Percentase (ton) (ton) Error (%) Perusahaan (ton) Error (%) Nama Famili 3.50 6.95 Boiler 6786 6548.42 7257.59 1.07 4.13 Layer 7938 7853.22 8265.89 11.57 2.34 Breeder 2850 3179.86 2783.23 4.39 41.85 Puyuh 456 476.03 265.15 9.90 74.79 Babi 240 216.25 419.5

Selain itu pula ketepatan jumlah produksi per hari juga merupakan faktor yang menjadi pertimbangan. Pada tabel 5.29, kita dapat melihat perbandingan antara inventori akhir

perusahaan sebenarnya dengan inventori akhir secara disagregasi Pada tabel

tersebut, nilai inventori akhir usulan yang berada dibawah nilai safety stock ternyata ada 3 item sedangkan nilai inventori akhir perusahaan yang berada dibawah safety stock ada 10 item (nilai inventori akhir yang dicetak tebal). Dengan demikian kita dapat menyimpulkan bahwa dengan metode disagregasi ini, hasil yang didapat memang lebih baik dibandingkan dengan metode yang diterapkan perusahaan saat ini yaitu hanya berdasarkan intuisi karyawan PPIC.

147 Tabel 5.29 Tabel Perbandingan Inventory Perusahaan dan Inventory secara Disagregat

Famili

End Item

611 Boiler 612 Boiler 613 Boiler 511 Boiler 512 Boiler 513 Boiler BP11 Boiler 621 Layer 622 Layer 521 Layer 522 Layer 523 Layer 321 Layer 631 Breeder 632 Breeder 633 Breeder 531 Breeder 532 Breeder 533 Breeder 6104 Puyuh 6105 Puyuh SP121 Sapi SP201 Sapi BT42 Babi BT45 Babi Total

Inventory

Demand

Safety Stock

Xij,t akhir

Inventory Akhir

Xij Terakhir Perusahaan

Inventory Akhir Perusahaan

1500 360 186 180 366 150 150 1200 720 1260 84 60 120 756 66 60 366 126 120 150 144 54 72 72 72 8394

744 162 78 90 120 66 72 528 378 546 30 36 66 300 36 24 180 54 60 54 48 30 30 24 24 3780

1500 330 180 180 240 120 150 990 750 1050 90 90 120 600 60 60 360 120 120 90 90 60 60 42 42 7494

990 150 90 120 0 18 96 222 588 252 60 90 90 186 60 60 360 108 120 0 0 60 54 0 0 3774

1746 348 198 210 246 102 174 894 930 966 114 114 144 642 90 96 546 180 180 96 96 84 96 48 48 8388

1344 168 0 120 0 0 0 678 300 636 0 96 54 228 42 0 0 0 60 0 0 84 0 0 0 3810

2100 366 108 210 246 84 78 1350 642 1350 54 120 108 684 72 36 186 72 120 96 96 108 42 48 48 8424

Kemudian dengan memakai cara/sistem yang terdahulu tentu saja waktu yang dibutuhkan akan sangat lama untuk melakukan perencanaan produksi pakan ternak (mulai dari peramalan sampai pada penentuan jadwal produksi harian) setiap hari dimana jenis dan jumlahnya sangat banyak. Aplikasi ini nantinya akan sangat menghemat waktu karena semua hasil pengolahan data dapat langsung ditampilkan dan user pun tidak perlu lagi melakukan perhitungan yang rumit seperti pengolahan data diatas.

148 5.3. Usulan Pengembangan Sistem Informasi 5.3.1 Analisa Sistem 5.3.1.1 Sistem yang Sudah Berjalan di Perusahaan

Sistem informasi yang berlaku di perusahaan sebenarnya sudah baik dimana perusahaan sudah menggunakan software Sistem Aplication for Project Release 3 (SAP R3) dimana didalamnya sudah terdapat database yang bisa mencakup keseluruhan pabrik dan bisa saling berhubungan secara berkesinambungan misalnya database bahan baku bisa diupdate baik oleh bagian produksi maupun bagian pembelian. Kemudian SAP R3 juga bisa digunakan oleh bagian keuangan sesuai dengan password yang dimasukkan yang disesuaikan dengan jabatan yang dimiliki. Namun demikian, SAP R3 disini masih dirasakan kurang oleh karyawan PPIC karena dalam hal ini masih juga menggunakan cara manual dan memerlukan banyak kertas karena karyawan hanya mencetak laporan yang ada dalam SAP R3 tersebut mengenai jumlah inventori yang ada di gudang dan jumlah yang harus diproduksi. Setelah itu karyawan tersebut harus menghitung dengan menggunakan kalkulator kembali. Bahkan jumlah produk jadi yang harus diproduksi adalah hasil peramalan yang dihasilkan dari bagian marketing yang mempunyai tingkat error tinggi. Hasil peramalan tersebut adalah berdasarkan intuisi pihak marketing. Dari hasil peramalan tersebut, karyawan PPIC juga harus menyesuaikan kembali dengan kapasitas produksi yang ada di lapangan karena bagian marketing tidak mengetahui kondisi gudang dan kapasitas yang dimiliki oleh pabrik. Pihak marketing hanya ingin tahu bahwa jumlah yang bisa terjual pada periode mendatang adalah sekian ribu ton dan hasil yang didapatnya adalah dengan menghitungnya berdasarkan intuisi bukan dengan menggunakan suatu metode peramalan. Perbedaan dari hasil peramalan

149 ini dan juga kenyataan produksi inilah sehingga menyebabkan tingkat error yang dihasilkan terkadang sangat tinggi (bisa mencapai 90%). Setelah disesuaikan, dari hasil tersebut, karyawan PPIC dituntut untuk harus menentukan urutan proses produksi pakan ternak dari puluhan jenis pakan ternak tersebut dimana pihak manajer hanya ingin tahu bahwa pada akhir minggu target produksi tercapai. Jadi dari hasil peramalan, jumlah yang harus dibuat, urutan pakan ternak yang harus lebih dibuat lebih dahulu, semuanya diserahkan kepada karyawan PPIC berdasarkan intuisinya secara manual. SAP R3 tidak menyediakan fungsi tersebut. Kemudian jika ada order mendadak yang sangat dibutuhkan dan perusahaan menyanggupinya, maka order tersebut hanya ditulis pada kertas saja. Bagian PPIC harus menginputnya kedalam komputer dan harus menganalisa kembali proses produksi yang telah direncanakan apakah rencana produksi tersebut berubah dengan adanya penambahan order tersebut. Semua hal ini dilakukan secara manual dan didasarkan hanya pada intuisi karyawan PPIC tersebut. Semua hal ini dilakukan secara manual dan membutuhkan waktu yang cukup lama terutama penentuan urutan proses produksi setiap harinya, padahal jenis pakan ternak sangat banyak dan jumlah produksi juga banyak, namun jumlah mesinnya terbatas. Selain itu pergantian produksi setiap pakan ternak misalnya dari pakan 611 menjadi pakan 622 ternyata tidak hanya membutuhkan waktu untuk setup tapi juga biaya karena mesin terlebih dahulu harus dibersihkan, jika tidak komponen yang sebelumnya dibuat pada mesin tersebut akan tercampur pada pakan yang akan dibuat, sehingga komposisinya akan berubah dan hal ini sangat dilarang. Gambar 5.13 dibawah ini merupakan langkah-langkah perencanaan produksi pada PT. CPI – Balaraja, mulai dari laporan dari bagian marketing, untuk kemudian

150 diprint dan diolah oleh PPIC untuk dibuat perencanaan produksi harian, dimana dari perencanaan produksi harian ini akan dibuat menjadi Production Order untuk diberikan pada bagian produksi untuk dibuat.

iMac

iMac

iMac

iMac

iMac

iMac

iMac

iMac

iMac

iMac

Gambar 5.13 Langkah Perencanaan Produksi di PT CPI - Balaraja

151 5.3.1.2 Sistem Usulan yang akan Dikembangkan Bagi Perusahaan

Penentuan jumlah produk jadi pada periode yang akan datang menjadi hal yang penting bagi perusahaan. Peramalan produk jadi merupakan langkah awal yang penting yang harus dilakukan oleh setiap perusahaan untuk menentukan jumlah kira-kira yang harus tersedia pada periode yang akan datang. Demikian pula juga dengan metode disagregasi untuk perencanaan produksi juga diperlukan untuk menentukan jumlah yang harus diproduksi oleh pabrik. Untuk mendukung penentuan jumlah produksi baik melalui peramalan dan metode disagregasi, pengembangan sistem informasi diperlukan. Sistem informasi akan ditujukan bagi tingkat manajemen yang berkepentingan, khususnya karyawan marketing dan karyawan PPIC di PT. CPI – Balaraja. Tahap awal dalam pengembangan sistem informasi ini adalah preliminary analysis yang akan menghasilkan system definition. Setelah melakukan penelitian serta menuangkan ide-ide kreatif bagi sistem yang akan dibuat, maka system definition pun dapat ditetapkan. System Definition dari peramalan dan disagregasi yang akan dikembangkan pada PT. Charoen Pokphand Indonesia – Balaraja yaitu perusahaan agrobisnis terbesar di Indonesia terutama pada pakan ternak ayam – ini cukup sederhana. Sistem informasi peramalan dan disagregasi yang akan dikembangkan bagi perusahaan pun akan disesuaikan dengan berbagai kondisi dan kebijakan dalam perusahaan dalam upaya meningkatkan ketepatan penentuan jumlah produk yang harus diproduksi perusahaan. Sistem informasi ini ditujukan agar dapat membantu manajemen tingkat strategik di bagian marketing (dalam melakukan peramalan jumlah produk yang harus diproduksi untuk periode mendatang dan juga memberikan laporan jumlah produk yang harus diproduksi oleh PPIC) dan di bagian PPIC – dalam menentukan mana produk yang

152 harus diutamakan untuk dibuat pada hari esok dan berapa besarnya jumlah sehingga nantinya produk jadi yang di gudang jangan sampai terlalu banyak namun juga jangan sampai permintaan konsumen tidak terpenuhi. Untuk mengetahui kualitas dari formula system definition tersebut, maka dilakukan evaluasi FACTOR. Hasil dari evaluasi tersebut adalah sebagai berikut: 1.

Functionality Î Sistem yang dihasilkan diharapkan dapat mendukung semua

tahapan perencanaan produk jadi untuk mendapatkan informasi hasil peramalan yang paling akurat dan perencanaan produksi pakan ternak secara harian melalui metode disagregasi. 2.

Application Domain Î Sistem diperuntukkan bagi kepentingan produksi yang

akan diakses oleh Staf PPIC saja. 3.

Conditions Î Sistem harus dapat terdistribusi bagi para actor.

4.

Technology Î Database yang digunakan untuk mengembangkan sistem

menggunakan Oracle, interface dibuat dengan menggunakan aplikasi Visual Basic, sedangkan bahasa pemrograman yang digunakan adalah SQL. 5.

Objects Î Object yang terkait dalam sistem adalah Produk, Safety_Stock,

Inventory, Demand, Kapasitas_Produksi, Data_Error. 6.

Responsibility Î Sistem dapat menyediakan informasi yang mendukung

pengambilan keputusan yang dilakukan oleh karyawan PPIC. Perbedaan antara sistem yang berjalan dengan rancangan sistem baru yang akan diusulkan dimana sistem yang akan diusulkan ini melakukan proses kalkulasi maupun membantu proses perencanaan jadwal produksi pakan ternak setiap hari secara terkomputerisasi dengan yang disiapkan. Untuk tahapan aliran sistem informasi yang baru ini masih sesuai dengan sistem yang berjalan.

153 Adapun cakupan sistem informasi yang akan dibuat ini adalah mulai dari melakukan peramalan sampai dengan melakukan perhitungan disagregasi untuk menentukan jumlah produksi pakan ternak.

5.3.1.2.1 Sistem Pendahuluan

Pertama-tama karyawan bagian marketing atau bagian PPIC yang membuka program ini harus terlebih dahulu mengisi user ID dan pasword. Jika user ID dan password yang dimasukkan sesuai maka akan tampil layar selanjutnya sesuai dengan bagian yang telah ditentukan untuk menjadi hak dari masing-masing bagian.

5.3.1.2.2 Sistem pada Bagian Marketing

Gambar 5.15 Usulan Sistem Baru untuk Bagian Marketing

154 Peramalan dan Tingkat Error

Untuk bagian marketing, setelah user ID dan pasword yang dimasukkan sesuai maka akan tampil menu peramalan. Pada kenyataannya di sistem yang sudah berjalan, menu pada bagian marketing ada banyak seperti untuk melihat data penjualan, data pelanggan tetap, data pesaing untuk menentukan strategi. Namun pada sistem yang diusulkan ini sistem tersebut tidak penulis masukkan lagi karena sudah ada, sehingga menu yang tersedia hanya yang berhubungan dengan peramalannya saja. Pada menu peramalan nantinya, bagian marketing akan bisa memilih famili mana yang akan dilakukan peramalan. Disini peramalan tidak bisa dilakukan secara keseluruhan ataupun per end item, hanya per famili. Karena jika dilakukan secara keseluruhan maka data akan kurang akurat, namun jika dilakukan peramalan per end item akan memakan waktu sangat lama dimana jenis end item yang dihasilkan juga sangat banyak. Kemudian jumlah data yang digunakan sebagai dasar peramalan juga bisa dibatasi berdasarkan tahunnya misalnya untuk menghitung minggu ke-30 pada tahun 2003 bisa mulai diambil data dari awal tahun 2001 atau 2002 (harus per tahun). Disini juga disajikan jika nantinya karyawan marketing ingin mengetahui berapa hasil yang terbaik karena pada dasarnya untuk mencari hasil error yang

terkecil

misalnya pada metode winter, α, β, dan γ yang terbaik harus dicari secara trial error, sehingga butuh waktu yang cukup banyak. Karena itu penulis akan membantu karyawan marketing tersebut untuk mencarikan nilai yang terbaik. Jika hasilnya sudah dinilai yang terbaik dari hasil peramalan tersebut maka hasil tersebut bisa disimpan untuk nantinya ditampilkan pada menu selanjutnya.

155 Hasil Peramalan dan Laporan

Dari hasil yang sudah disimpan pada menu peramalan, maka akan tampil hasil keseluruhan peramalan yang bisa dipecah secara otomatis oleh program tersebut menjadi jumlah (demand) masing-masing end item yang harus diproduksi setiap harinya, jika ada famili yang tidak dilakukan peramalan maka hasil yang keluar adalah 0 dan tentunya end item pada famili tersebut juga nol. Kemudian dari disitu bisa dilanjutkan ke menu laporan ke PPIC atau kembali ke menu peramalan atau keluar. Jika lanjut ke menu laporan, maka ini adalah menu laporan yang akan dikirimkan untuk ke bagian PPIC sehingga bagian PPIC bisa membuat jumlah produk yang sesuai permintaan dari marketing. Namun disini jumlah tersebut masih bisa diubah apabila diinginkan oleh pihak marketing untuk mengedit kembali misalnya dari hasil perhitungan harus membuat produk 611 sebanyak 1200 ton namun intuisi karyawan marketing tersebut mengatakan bahwa yang diproduksi harusnya hanya diproduksi 1050 ton, maka hasil tersebut masih bisa diedit lagi. Kemudian jika sudah dirasa pas maka bisa dikirim ke bagian PPIC.

5.3.1.2.3 Sistem pada Bagian PPIC Perhitungan Agregat

Untuk bagian PPIC, setelah user ID dan pasword yang dimasukkan sesuai, maka akan tampil menu laporan dari bagian marketing atau perhitungan agregat maupun perhitungan diagregasi. Seperti pada bagian marketing, pada program sesungguhnya menu yang disediakan ada banyak seperti untuk melihat jumlah produksi, melihat jumlah kapasitas bahan baku (mentah) dan bahan jadi di gudang, melakukan perhitungan MRP untuk menentukan jadwal pemesanan bahan baku supaya jangan sampai

156 kehabisan, dll. Untuk laporan menu dari bagian marketing, maka bagian PPIC bisa melihat hasil laporan tersebut namun tidak bisa mengubahnya. Kemudian hasil tersebut bisa dipindahkan untuk melakukan proses perhitungan agregat terlebih dahulu atau bisa langsung dilakukan perhitungan disagregasi. Pada menu perhitungan agregat, disini fungsinya hanya menghitung apakah diperlukan hari lembur dalam hal ini hari Sabtu dan hari Minggu untuk mencapai jumlah produksi yang diinginkan. Disini seperti tertulis pada bab 1, perusahaan tidak ingin melakukan subkontrak sehingga hanya ada hari reguler dan hari lembur, jika dengan produksi tersebut tidak mencukupi maka perusahaan dengan terpaksa akan terkena biaya backorder (penundaan) atau apabila konsumen tidak ingin menunggu maka perusahaan terkena biaya loss sale. Kemudian hasil perhitungan agregat ini akan dimasukkan ke perhitugan disagregat sebagai data bersama hasil dari laporan dari bagian marketing tadi. Jika bagian PPIC tidak melakukan perhitungan agregat terlebih dahulu maka data agregat pada menu disagregasi nanti harus diinput sendiri oleh karyawan PPIC yang bersangkutan.

Gambar 5.16 Usulan Sistem Baru untuk Bagian PPIC

157 Perhitungan Disagregasi

Untuk menu perhitungan disagregasi, pertama akan muncul hasil dari menu laporan yang telah dikirim yaitu untuk kolom demand per harinya, disini pula ditampilkan kolom untuk inventory awal dan safety stock. Kolom inventory awal didapat pada pagi hari setelah diperbaharui / diupdate dari bagian gudang. Kemudian kolom safety stock masih tetap selalu sama besarnya dimana jumlahnya ditentukan oleh bagian gudang dan PPIC. Jumlah safety stock tersebut akan selalu tetap kecuali jika kapasitas gudang bertambah atau ada perubahan pola penjualan misalnya ternyata seperti sekarang pakan ternak untuk ayam menurun dan justru untuk pakan sapi akan naik sehingga kapasitas gudang untuk sapi akan meningkat dan otomatis akan meningkatkan safety stock untuk sapi. Kemudian ada pula kolom ’Expected Quantity’ dimana dapat menunjukkan kepada PPIC bahwa jika nilainya negatif maka jumlah inventory awal untuk memenui kebutuhan demand pada saat itu adalah kurang dibandingkan safety stock yang ada. Karena itu harus segera untuk dibuat/diproduksi. Ada pula edit box untuk menampilan hasil perhitungan disagregasi atau bisa diinput sendiri nantinya. Ada pula input yang diharuskan bagi PPIC yaitu biaya setup per famili, biaya simpan di gudang, tingkat suku bunga bank, kapasitas gudang untuk tiap famili, dan kebutuhan per famili tersebut per tahun. Jika sudah maka nantinya akan keluar jumlah yang harus diproduksi oleh PPIC pada hari tersebut. Kemudian setelah 1 minggu hasil produksi dan demand yang diperlukan akan disimpan kembali ke database perminggu.

158 5.3.2 Problem Domain Analysis 5.3.2.1 Class

Analisa class diawali dengan menentukan object dan class dengan berdasarkan pada system definition. Class candidate yang diinginkan adalah: 1

Famili

2

Item

3

Karyawan

4

Karyawan PPIC

5

Karyawan Marketing

6

Peramalan

7

Holt

8

DMA

9

Winter

10

Quadratic

11

MAPE

12

MSE

13

MAD

14

Agregat

15

Setup Disagregasi

16

Disagregasi

17

Kapasitas Produksi Setelah menganalisa class candidate yang telah dperoleh, maka didapatkan class

yang terkait dalam sistem adalah sebagai berikut: 1

Famili

2

Item

3

User

4

Peramalan

5

Laporan Marketing

6

Agregat

159 7

Setup Disagregat

8

Disagregat

5.3.2.2 Event

Demikian pula dengan event candidate yang telah dianalisa, kemudian didapatkan event dari class yang telah ditentukan sebelumnya. Event yang terpilih tersebut dan hubungannya dengan class pemiliknya digambarkan dalam event table pada Tabel 5.28 berikut. Tabel 5.30 Event Table

Event Memilih Tahun Data Melakukan Peramalan Menghitung Error Mengambil Hasil yang Terbaik Menyimpan Data Laporan Mencetak Data Laporan Menghitung Secara Agregat Mengisi variabel yang Diperlukan Menghitung Secara Disagregat

Famili

User

+

+ + + + + + + + +

Class Laporan Setup Peramalan Agregat Disagregat Disagregat Marketing + + + + + + + +

5.3.2.3 Class Diagram

Setelah class dan event didefinisikan, aktivitas berikutnya adalah analisa structure. Dalam analisa structure ini, hubungan antar class atau antar objek didefinisi. Hubungan-hubungan yang ada digambarkan dalam class diagram dan dapat dilihat pada Gambar 5.16 di bawah ini.

160

Gambar 5.17 Class Diagram

161 5.3.3 Application Domain 5.3.3.1 Use Case Diagram

Gambar 5.18 Use Case Diagram

5.3.3.2 Actor Specification

Goal :

Tabel 5.31 Spesifikasi aktor untuk "Karyawan Marketing" Karyawan Marketing Orang yang bertanggung jawab pada penjualan produk pakan ternak. Kebutuhan dasar dari Karyawan Marketing adalah melakukan peramalan terhadap kebutuhan/penjualan produk pada periode akan datang sehingga tepat seperti kebutuhan konsumen. Laporan yang dihasilkan tersebut nantinya akan diberikan ke bagian PPIC agar diproduksi jumlah pakan ternak yang diinginkan.

162 Sistem terdiri dari 1 orang karyawan marketing dengan mengandalkan intuisi, dapat melakukan analisa terhadap sistem serta hasil dari perhitungan yang diperoleh dari sistem. Karyawan ini yang berhak untuk melakukan peramalan.

Characteristic :

Tabel 5.32 Spesifikasi aktor untuk "Karyawan PPIC" Karyawan PPIC Orang yang bertanggung jawab penentuan jadwal Goal : produksi pakan ternak. Kebutuhan dasar dari Karyawan PPIC adalah melakukan input data order baru, melakukan perhitungan agregat dan disagregasi berdasarkan hasil laporan marketing, membuat jadwal produksi. Sistem terdiri dari 1 orang Karyawan PPIC dengan Characteristic : mengandalkan intuisi, dapat melakukan analisa terhadap sistem serta hasil dari perhitungan yang diperoleh dari sistem.

5.3.3.3 Use Case Analysis

Use case name Brief description

Basic flow

Tabel 5.33 Use case Analysis “Login” Login Use case ini berfungsi sebagai gerbang utama untuk memasuki program tersebut sehingga nantinya berdasarkan user ID dan password yang dimasukkan, maka akan ditampilkan menu layar yang menjadi hak akses dari masing-masing bagian tersebut, dimana tampilannya jelas berbeda namun bisa saling terhubung. 1. Use case ini dimulai pada saat file/program ini dibuka oleh seorang user. 2. Karyawan memasukkan user ID dan password yang dimiliki masing-masing karyawan. Program akan mengecek ke database karyawan, apakah data User ID dan password yang dimasukkan tersedia atau tidak dalam database. 3. Jika User ID dan password yang dimasukkan benar maka user bisa menuju tampilan layar dan menu selanjutnya.. 4. Jika tidak tecantum maka akan keluar peringatan

163

Alternatif flow

dan user akan diminta menginput ulang jika ingin masuk. 5. Use case selesai User bisa mencancel/keluar dari program kapan saja.

Special Requirement Pre condition

User ID dan password harus diisi Setiap karyawan harus memasukkan User ID dan password yang benar untuk mencapai menu selanjutnya.

Post condition

Menu selanjutnya dari masing-masing bagian.

Tabel 5.34 Use case Analysis “Menghitung Peramalan” Use case name Menghitung Peramalan Use case ini berfungsi untuk melakukan proses Brief description peramalan terhadap tiap famili sehingga menghasilkan jumlah produksi yang terbaik dengan tingkat error yang terkecil. 1. Use case ini dimulai ketika bagian marketing Basic flow memilih menu forecast setelah dia melewati menu login. 2. Staff marketing memasukkan tahun data yang diperhitungkan sebagai data valid. Kemudian secara otomatis sebenarnya aplikasi ini menghitung peramalan tersebut terhadap seluruh famili dengan nilai α, β, dan γ yang lama (default) tanpa harus dipilih dahulu oleh user tersebut. 3. User memilih famili yang spesifik kemudian bisa memasukkan nilai α, β, dan γ secara trial error dan nantinya akan bisa dilihat hasil yang diperoleh dengan tingkat error yang dimiliki dengan merubah bilai tersebut. 4. Jika user ingin melihat hasil yang terbaik tanpa harus melakukan trial error maka aplikasi ini menyediakan fasilitas terseut, user hanya diminta untuk mengisi iterasi yang diinginkan. Semakin besar iterasi maka akan semakin tepat hasilnya dengan tingkat rror yang semakin kecil, namun tentu saja program ini akan sedikit memakan waktu karena harus melakukan iterasi tersebut. 5. Use Case selesai

164 Alternatif flow


Post condition

Pada langkah ke-4, iterasi bisa dilakukan hanya pada metode tertentu saja, tanpa perlu melakukan iterasi pada semua metode peramalan. Tahun data harus diisi Bagian marketing harus memasukkan tahun data, kemudian harus dimasukkan famili yang diinginkan jika tidak maka seluruh famili akan dihitung dengan nilai α, β, dan γ yang nilainya lama. Hasilnya berupa result peramalan secara keseluruhan dengan tertera jumlah demand per hari. Result ini bisa diedit kembali oleh marketing.

Tabel 5.35 Use case Analysis “Result dan Laporan” Use case name Result dan Laporan Use case ini berfungsi merangkum hasil peramalan Brief description yang telah dilakukan, untuk kemudian diberikan kepada PPIC agar segera diproduksi dalam waktu 1 minggu ke depan. 1. Use case ini dimulai ketika bagian marketing selesai Basic flow melakukan peramalan. 2. Staff marketing hanya akan melihat apakah data dari hasil peramalan tersebut bisa digunakan atau tidak. Kemudian data tersebut disimpan. 3. Jika ingin dicetak, maka bagian marketing tinggal memilih data mana yang ingin dicetak. 4. Use Case selesai Alternatif flow

Special Requirement Pre condition Post condition

Pada langkah ke-2, jika dirasa hasil peramalan kurang memuaskan, maka staf marketing bisa mengedit pada kolom ’coor. Demand / day’. Untuk mencetak, data yang dicetak harus dipilih Staf marketing harus melakukan peramalan terlebih dahulu. Hasilnya berupa laporan ke PPIC dan laporan yang dicetak mengenai jumlah produksi pakan ternak yang harus dibuat selama 1 minggu ke depan.

165 Tabel 5.36 Use case Analysis “Menghitung dengan Metode Agregat” Use case name Menghitung dengan Metode Agregat Use case ini berfungsi untuk melakukan proses Brief description perhitungan secara agregat dimana menentukan apakah kapasitas produksi reguler kita yang dalam keadaan normal, cukup untuk memenuhi demand selama 1 minggu ke depan, ataukah kita nantinya perlu hari lembur untuk mengejarnya. 1. Use case ini dimulai ketika bagian marketing Basic flow mengirim laporan/report kepada PPIC. Disini PPIC melihat data tersebut. Data dalam laporan tersebut nantinya akan dimasukkan dalam perhitungan disagregasi 2. Aplikasi mulai menghitung, dengan demand yang diberikan apakah cukup ditangani dengan kapasitas produksi reguler ataukah perlu adanya kerja lembur. 3. Tekan tombol “Save” maka akan ke menu “Disagregasi” 4. Use Case selesai


Pada langkah ke-2, karyawan PPIC bisa menambahkan order baru, dan dapat dilihat apakah masih dapat ditangani dengan kapasitas produksi reguler. Spesifikasi Data yang akan dihitung Bagian PPIC sudah melewati menu login

Post condition

Hasilnya berupa kapasitas produksi agregat per hari

Alternatif flow

Tabel 5.37 Use case Analysis “Menghitung dengan Metode Disagregat” Use case name Menghitung dengan Metode Disagregat Use case ini berfungsi untuk melakukan proses Brief description perhitungan secara disagregat dimana menentukan jumlah end item mana yang harus diproduksi dan berapa jumlah yang harus diprouksi pada hari itu. 1. Use case ini dimulai pada saat kita membuka menu Basic flow setup disagregasi. Karyawan PPIC diminta untuk menginput variabel yang dibutuhkan seperti tingkat suku bunga, biaya simpan, dan biaya setup. 2. Setelah setup disagregasi selesai maka aplikasi mulai menghitung secara disagregat pada menu disagregasi. 3. Keluar hasil perhitungan disagregasi dimana hasilnya akan berupa perencanaan produk end item mana yang harus diproduksi lebih dahulu dan berapa jumlahnya.

166 4. Use Case selesai Alternatif flow

-

Special Requirement

Tingkat suku bunga, kapasitas produksi, biaya simpan, biaya setup per famili. Bagian PPIC sudah melewati menu login

Pre condition Post condition

Hasilnya berupa jadwal perencanaan produksi end item dan jumlah yang harus diproduksi setiap harinya

5.3.3.4 Sequence Diagram ● Sequence Diagram untuk menu Login:

Gambar 5.19 Sequence Diagram untuk menu Login

167 ● Sequence Diagram untuk Menu Peramalan

Gambar 5.20 Sequence Diagram untuk Menu Peramalan

168 ● Sequence Diagram untuk menu Report untuk Diprint

Gambar 5.21 Sequence Diagram untuk menu Report

● Sequence Diagram untuk Perhitungan Agregat

Gambar 5.22 Sequence Diagram untuk menu Perhitungan Agregat

169 ● Sequence Diagram untuk Setup Disagregat

Gambar 5.23 Sequence Diagram untuk Menu Setup Disagregasi

● Sequence Diagram untuk Perhitungan Disagregat

Gambar 5.24 Sequence Diagram untuk menu Perhitungan Disagregat

170 5.3.4 Navigation Diagram

Aplikasi ini dirancang agar sifatnya bisa multiple windows yang artinya menu yang ditampilkan bisa banyak dalam waktu yang bersamaan tanpa harus menunggu sebuah layar selesai dikerjakan kecuali menu login karena menu login adalah layar yang paling pertama. Disini akan penulis paparkan mengenai urutan tampilan layar jika aplikasi ini dijalankan yaitu mulai dari menu login namun disini akan dibagi 2 yaitu jika digunakan oleh bagian marketing dan jika digunakan oleh bagian PPIC. Untuk navigasi secara keseluruhan dari aplikasi yang dibuat dapat dilihat pada lampiran L.4.1

5.3.4.1 Bagian Marketing 5.3.4.1.1 Menu Login

Gambar 5.25 Tampilan Layar Menu Login

Baik bagian marketing ataupun bagian PPIC harus melewati menu login terlebih dahulu. User ID dan password dimasukkan sesuai bagiannya, jika tidak maka akan invalid. Tombol ‘Login’ digunakan untuk masuk ke menu selanjutnya apabila user ID dan passwordnya valid. Sedangkan tombol ‘Cancel’ untuk keluar dari program.

171 5.3.4.1.2 Menu Forecasting

Gambar 5.26 Tampilan Layar Menu Peramalan

Setelah user mengisi edit box untuk tahun data, maka user mengklik ‘Load Data’ sehingga secara otomatis seluruh perhitungan akan keluar. Tombol ‘Auto Iterate This Family’ digunakan untuk melakukan iterasi untuk mencari nilai yang terbaik hanya untuk famili yang dipilih setelah user memasukkan berapa iterasi yang diinginkan. Tombol ‘Auto Iterate All Family’ digunakan untuk melakukan iterasi untuk mencari nilai yang terbaik untuk semua famili yang tersedia setelah user memasukkan berapa iterasi yang diinginkan. Tombol ‘Recalculate’ untuk menghitung ulang apabila mengganti nilai a, b, dan g secara trial error. Tombol ‘Auto Iterate’ digunakan untuk melakukan iterasi untuk mencari nilai yang terbaik hanya pada famili dan metode yang dipilih. Tombol ‘Next’ akan menghasilkan result dari peramalan yang telah dilakukan.

172 5.3.4.1.3 Menu Result Forecasting

Gambar 5.27 Tampilan Layar Menu Hasil Peramalan

Disini walaupun hasil peramalan sudah otomatis didapat, namun jika pihak marketing ingin merubah hasilnya maka dapat dilakukan yaitu pada kolom ‘Corr. Demand / day’ dimana kita bisa menambah atau mengurangi hasil dari peramalan tersebut. Tombol ‘Save’ digunakan apabila kita sudah yakin akan hasil tersebut dan kita ingin simpan data tersebut. Jika tombol tersebut tidak ditekan maka proses peramalan tidak akan disimpan dan nantinya tidak bisa dicetak.

173 5.3.4.1.4 Menu Laporan yang Dicetak

Gambar 5.28 Tampilan layar Menu Hasil Saved Disini kita bisa memilih mana data yang telah disave dari perhitungan peramalan yang akan kita cetak sebagai dokumen, setelah yakin maka kita tekan tombol “Print”.

Gambar 5.29 Tampilan Laporan Jumlah Demand

174

Gambar 5.30 Tampilan Menu Print

5.3.4.2 Bagian PPIC 5.3.4.2.1 Menu Login

Gambar 5.31 Tampilan Layar Menu Login

175 5.3.4.2.2 Menu Agregasi

Gambar 5.32 Tampilan Layar Menu Laporan yang Diterima Bagian PPIC

5.3.4.2.3 Menu Perhitungan Agregasi

Gambar 5.33 Tampilan Layar Menu Perhitungan Agregasi

176 5.3.4.2.4 Menu Setup Perhitungan Disagregasi

Gambar 5.34 Tampilan Layar Setup Disagregasi 1

Gambar 5.35 Tampilan Layar untuk Menu Setup Disagregasi 2

177 5.3.4.2.5 Menu Perhitungan Disagregasi Senin

Gambar 5.36 Tampilan Layar untuk Menu Disagregasi

5.3.5 Rencana Implementasi 5.3.5.1 Kebutuhan Software

Untuk membuat program seperti ini, maka software yang dibutuhkan adalah:

Untuk sistem operasi/operating system (OS) yang digunakan adalah windows XP.

Program untuk perancangan database yang digunakan adalah SQL Server 2000.

Kemudian software yang digunakan adalah Microsoft Visual Studio .Net.

Bahasa pemrograman yang digunakan adalah C-Sharp (C#).

178 5.3.5.2 Kebutuhan Hardware

Sedangkan untuk membuat program seperti ini, maka hardware yang dibutuhkan adalah: ¾

Monitor

¾

Printer Hp Deskjet

¾

CPU dengan spesifikasi yaitu:

Processor minimal Pentium 3 1,0 GHz

Memori minimum adalah 512 MB DDRAM agar bisa diinstal program SQL server dan Microsoft Visual Studio .Net dan dalam menjalankan program tidak terlalu lama

Kapasitas Harddisk minimum 5 GB agar bisa menampung program tersebut.

5.3.5.3 Kebutuhan Brainware

Selain itu, untuk membuat program seperti ini, maka dibutuhkan pula orang atau tenaga ahli seperti:

Staf programer yang bisa mengerti bahasa pemrograman dan database yang digunakan

Staf analis basisdata (Database Analysist) yang biasanya memantau adaptasi aplikasi tersebut terhadap kinerja perusahaan dan juga biasanya sebagai penguji terhadap aplikasi yang akan diterapkan perusahaan, apakah dalam aplikasi tersebut ditemukan kelemahan/bug atau tidak yang nantinya dapat berakibat fatal bagi perusahaan.

179 5.3.5.4 Rencana untuk Implementasi

Penerapan metode yang diusulkan jika dilakukan secara manual maka waktu yang diperlukan adalah memberikan pelatihan kepada karyawan berupa penjelasan secara lengkap mengenai langkah-langkah perhitungan yang harus dilakukan untuk menghasilkan rencana jadwal setiap minggunya, serta pemberitahuan mengenai pencatatan data apa saja yang diperlukan, yang kemudian data tersebut disusun dan disimpan sedemikian rupa sehingga memudahkan dalam pencarian data kembali atau pencarian informasi dari kumpulan data yang ada tersebut. Tabel 5.38 Usulan Jadwal Implementasi Sistem No.

Kegiatan

1 2 3 4 5 6 7 8

Pembentukan tim Pembelian dan pemasangan hardware Instalasi software Instalasi sistem informasi penjadwalan Pengentrian data Pelatihan pengguna Uji coba sistem Evaluasi sistem

1

2

Minggu ke3 4 5 6

7

8

BAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi

Recommend Documents