BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake, Jamur Tiram dan Jamur Kuping pada tahun 2016. Pengumpulan data penjualan dilakukan selama 12 bulan mulai dari Januari 2016 sampai dengan Desember 2016. Data akan digunakan sebagai pedoman dalam meramalkan jumlah Permintaan 12 bulan mendatang yaitu bulan Januari 2017 sampai dengan Desember 2017. Tabel 4.1 Data Permintaan Produk tahun 2016 (Pack /100gr) No. 1 2 3 4 5 6 7 8 9 10 11 12

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

Jamur Shiitake 1,645 1,773 1,941 1,796 1,894 1,845 1,137 1,394 1,926 1,776 1,784 1,688 20,599

Jamur Tiram 2,719 2,795 3,194 2,805 2,698 3,207 2,579 3,397 2,951 3,218 3,177 3,132 35,872

31

http://digilib.mercubuana.ac.id/

Jamur Kuping 2,296 2,481 2,508 2,411 2,388 2,745 2,422 2,523 2,513 2,779 2,717 2,625 30,408

32

4.2 Pengolahan Data Dalam membuat perhitungan perencanaan peramalan untuk perusahaan, hal yang harus dilakukan yaitu dengan cara mengetahui pola data permintaan perusahaan pada tahun sebelumnya. Dari pola data tersebut akan dijadikan sebagai masukan dalam memilih metode peramalan untuk menentukan permintaan konsumen di tahun yang akan datang. Berikut adalah grafik data penjualan produk Jamur Shiitake, Jamur Tiram dan Jamur Kuping ditahun 2016.

Gambar 4.1 Grafik data penjualan PT. BNBF tahun 2016

Dari data grafik diatas dapat diketahui bahwa pola data permintaan pada bulan Januari 2016 sampai dengan Desember 2016 memiliki pola musiman, dimana terdapat fluktuasi musiman terlihat bersama pada permintaan produk Jamur Shiitake, Jamur Tiram dan Jamur Kuping ditahun 2016. Maka metode peramalan yang digunakan yaitu dengan menggunakan analisa trend analisys, eksponensial Smoothing dan moving average.


33

4.2.1 Peramalan Metode Trend Analisys Peramalan Metode Trend Analisys merupakan suatu metode analisis statistika yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang memengaruhi terhadap perubahan tersebut.

Secara teoristis, dalam analisis runtun waktu (time series) hal yang paling menentukan adalah kualitas dan keakuratan dari data-data yang diperoleh, serta waktu atau periode dari data-data tersebut dikumpulkan. Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan kurang akurasi.

Dan pada peramalan dengan metode Trend Analisys digunakan sebagai model peramalan dimana pola historis dari data aktual permintaan konsumen, menunjukan adanya grafik kecenderungan permintaan menaik dari bulan ke bulan berikutnya.


34

4.2.1.1 Perhitungan Trend Analisys Jamur Shitake Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Shiitake. Berikut pengolahan data peramalan pada metode Trend Analisys dengan menggunakan Software QM for windows : Tabel 4.2 Detail and Error Analisys Jamur Shiitake dengan metode Trend Analisys


35

Tabel 4.3 Forecasting Jamur Shiitake dengan metode Trend Analisys

Gambar 4.2 Grafik Hasil Peramalan Jamur Shiitake dengan Metode Trend Analisys


36

4.2.1.2 Perhitungan Trend Analisys Jamur Tiram Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Tiram. Berikut pengolahan data peramalan pada metode Trend Analisys dengan menggunakan Software QM for windows : Tabel 4.4 Detail and Error Analisys Jamur Tiram dengan metode Trend Analisys


37

Tabel 4.5 Forecasting Jamur Tiram dengan metode Trend Analisys

Gambar 4.3 Grafik Hasil Peramalan Jamur Tiram dengan Metode Trend Analisys


38

4.2.1.3 Perhitungan Trend Analisys Jamur Kuping Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Kuping. Berikut pengolahan data peramalan pada metode Trend Analisys dengan menggunakan Software QM for windows : Tabel 4.6 Detail and Error Analisys Jamur Kuping dengan metode Trend Analisys


39

Tabel 4.7 Forecasting Jamur Kuping dengan metode Trend Analisys

Gambar 4.4 Grafik Hasil Peramalan Jamur Kuping dengan Metode Trend Analisys


40

Tabel 4.8 Rekapitulasi Peramalan Jamur dengan metode Trend Analisys Produk Jamur Shiitake Jamur Tiram Jamur Kuping

MAD

MSE

166,659 174,556 95,732

49804,6 47971,5 11460,36

BIAS Standar Error (Mean Error) 0 244,47 0 239,929 0 117,271

4.2.2 Peramalan dengan Menggunakan Metode Exponential Smoothing Peramalan dengan metode Exponential Smoothing menekankan pada permintaan Exponential Smooothing merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, namun masih mudah digunakan. α adalah sebuah bobot atau konstanta pemulusan yang dipilih oleh peramal berdasarkan pola historis dari data aktual permintaan. Pada penelitian ini α yang digunakan adalah α = 0,5


41

4.2.2.1 Perhitungan Exponential Smoothing Jamur Shitake Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Shiitake. Berikut pengolahan data peramalan pada metode Exponential Smoothing α = 0,5 dengan menggunakan Software QM for windows : Tabel 4.9 Detail and Error Analisys Jamur Shiitake dengan metode Exponential Smoothing


42

Tabel 4.10 Forecasting Jamur Shiitake dengan metode Exponential Smoothing

Gambar 4.5 Grafik Hasil Peramalan Jamur Shiitake dengan metode Exponential Smoothing


43

4.2.2.2 Perhitungan Exponential Smoothing Jamur Tiram Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Tiram. Berikut pengolahan data peramalan pada metode Exponential Smoothing α = 0,5 dengan menggunakan Software QM for windows : Tabel 4.11 Detail and Error Analisys Jamur Tiram dengan metode Exponential Smoothing


44

Tabel 4.12 Forecasting Jamur Tiram dengan metode Exponential Smoothing

Gambar 4.6 Grafik Hasil Peramalan Jamur Tiram dengan metode Exponential Smoothing


45

4.2.2.3 Perhitungan Exponential Smoothing Jamur Kuping Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Kuping. Berikut pengolahan data peramalan pada metode Exponential Smoothing α = 0,5 dengan menggunakan Software QM for windows : Tabel 4.13 Detail and Error Analisys Jamur Kuping dengan metode Exponential Smoothing


46

Tabel 4.14 Forecasting Jamur Kuping dengan metode Exponential Smoothing

Gambar 4.7 Grafik Hasil Peramalan Jamur Kuping dengan metode Exponential Smoothing


47

Tabel 4.15 Rekapitulasi Peramalan Jamur dengan metode Exponential Smoothing Smoothing α = 0,5

Produk Jamur Shiitake Jamur Tiram Jamur Kuping

MAD

MSE

180,628 248,096 117,673

76649,38 94708,81 24427,36

BIAS Standar Error (Mean Error) 14,107 306,076 76,595 340,228 64,934 172,788

4.2.3 Peramalan dengan Menggunakan Metode Moving Average Metode Moving Average merupakan suatu peramalan yang menggunakan data rata-rata permintaan masa lampau dalam jumlah yang telah ditentukan sebelumnya. Metode ini merupakan metode pemerataan peramalan. Adapun peramalannya sebagai berikut :

4.2.3.1 Metode Moving Average Periode I dan III Metode Moving Average periode 1 dan 3 ini merupakan suatu peramalan yang menggunakan rata-rata permintaan masa lampau dalam jumlah yang telah ditentukan sebelumnya dengan menggunakan periode satu bulan dan tiga bulan.


48

4.2.3.2 Perhitungan Moving Average Jamur Shitake Periode I Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Shiitake. Berikut pengolahan data peramalan pada metode Moving Average dengan Periode 1 bulan menggunakan Software QM for windows : Tabel 4.16 Detail and Error Analisys Jamur Shiitake dengan metode Moving Average P.1


49

Tabel 4.17 Forecasting Jamur Shiitake dengan metode Moving Average P.1

Gambar 4.8 Grafik Hasil Peramalan Jamur Shiitake dengan metode MovingAverage P.1


50

4.2.3.3 Perhitungan Moving Average Jamur Tiram Periode I Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Tiram. Berikut pengolahan data peramalan pada metode Moving Average dengan Periode 1 bulan menggunakan Software QM for windows : Tabel 4.18 Detail and Error Analisys Jamur Tiram dengan metode Moving Average P.1


51

Tabel 4.19 Forecasting Jamur Tiram dengan metode Moving Average P.1

Gambar 4.9

Grafik Hasil Peramalan Jamur Tiram dengan metode MovingAverage P.1


52

4.2.3.4 Perhitungan Moving Average Jamur Kuping Periode I Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Kuping. Berikut pengolahan data peramalan pada metode Moving Average dengan Periode 1 bulan menggunakan Software QM for windows : Tabel 4.20 Detail and Error Analisys Jamur Kuping dengan metode Moving Average P.1


53

Tabel 4.21 Forecasting Jamur Kuping dengan metode Moving Average P.1

Gambar 4.10 Grafik Hasil Peramalan Jamur Kuping dengan metode MovingAverage P.1


54

4.2.3.5 Perhitungan Moving Average Jamur Shitake Periode III Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Shiitake. Berikut pengolahan data peramalan pada metode Moving Average dengan Periode 3 bulan menggunakan Software QM for windows : Tabel 4.22 Detail and Error Analisys Jamur Shiitake dengan metode Moving Average P.3


55

Tabel 4.23 Forecasting Jamur Shiitake dengan metode Moving Average P.3

Gambar 4.11 Grafik Hasil Peramalan Jamur Shiitake dengan metode MovingAverage P.3


56

4.2.3.6 Perhitungan Moving Average Jamur Tiram Periode III Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Tiram. Berikut pengolahan data peramalan pada metode Moving Average dengan Periode 3 bulan menggunakan Software QM for windows : Tabel 4.24 Detail and Error Analisys Jamur Tiram dengan metode Moving Average P.3


57

Tabel 4.25 Forecasting Jamur Tiram dengan metode Moving Average P.3

Gambar 4.12

Grafik Hasil Peramalan Jamur Tiram dengan metode MovingAverage P.3


58

4.2.3.7 Perhitungan Moving Average Jamur Kuping Periode III Periode perhitungan dilakukan pada bulan Januari 2016 sampai dengan Desember 2016, pada permintaan produk Jamur Kuping. Berikut pengolahan data peramalan pada metode Moving Average dengan Periode 3 bulan menggunakan Software QM for windows : Tabel 4.26 Detail and Error Analisys Jamur Kuping dengan metode Moving Average P.3


59

Tabel 4.27 Forecasting Jamur Kuping dengan metode Moving Average P.3

Gambar 4.13 Grafik Hasil Peramalan Jamur Kuping dengan metode MovingAverage P.3


60

Tabel 4.28 Rekapitulasi Peramalan Jamur metode Moving Average P.1 dan P.3


MAD Periode I Periode III 212,636 224,667 338,636 212,556 140,273 111,408

MSE Periode I 87250,45 174931,5 33639,55

Periode III 98771,84 73226,63 23745,18

BIAS (Mean Error) Periode I Periode III 3,909 -22,444 37,545 39,889 29,909 48.37

Standar Error Periode I Periode III 326,557 356,36 462,391 306,836 202,768 174,727

4.2.4 Siklus Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek, hal tersebut terjadi bisa karena adanya mengikuti pola musiman, yang dipengaruhi oleh faktor hari libur dan hari besar keagamaan.

Gambar 4.14 Grafik Siklus Permintaan


61

Pada grafikditas menunjukan siklus permintaan Jamur Shitake, Shimeji dan Kuping mulai dari bulan Januari sampai dengan Maret cederung memiliki peningkatan permintaan pasar, namun terjadi penurunan pada bulan April dan Mei. Kemudian terjadi peningkatan kembali pada bulan Juni, lalu kembali terjadi penurunan permintaan jamur pada bulan Juli yang sangat signifikan dikarnakan faktor hari libur panjang dan hari raya lebaran sehingga konsumen cenderung mengkonsumi daging, namun kembali terjadi kenaikan permintaan pasar pada bulan Agustus dan September setelah itu, dan pada akhir tahun grafik menunjukan penurunan permintaan yang stabil dikarnakan faktor terdapat beberapa hari libur nasional dan hari raya natal serta tahun baru yang cenderung konsumen tidak terlalu mengkonsumsi jamur pada hari-hari tersebut.

4.2.5 Hasil Peramalan yang Terpilih Dalam menentukan metode peramalan yang akan terpilih, maka harus dilihat nilai MAD, MSE, BIAS dan SE. Metode yang memiliki nilai error terkecil akan menjadi metode terpilih. Maka Pembobotan nilai-nilai error untuk mendapatkan metode terpilih berdasarkan metode yang memiliki error terkecil. Dipilih metode yang memiliki nilai error terkecil karena semakin kecil kesalahan yang terjadi maka hasil peramalan yang diperoleh semakin akurat. Hasil pembobotan kemudian dijumlah dan ditentukan rangking berdasarkan total bobot. Dan berikut adalah tabel hasil rangking terpilih :


62

Tabel 4.29 Data Rekapitulasi Ranking Hasil Peramalan Jamur Trend Analisis (Peringkat 1)

Produk

MAD

Jamur Shiitake Jamur Tiram Jamur Kuping

166,659 174,556 95,732


BIAS Standar Error (Mean Error) 49804,6 0 244,47 47971,5 0 239,929 11460,36 0 117,271 MSE

Exponential Smoothing (Peringkat 2) BIAS MAD MSE Standar Error (Mean Error) 180,628 76649,38 14,107 306,076 248,096 94708,81 76,595 340,228 117,673 24427,36 64,934 172,788 Moving Average (Peringkat 3)

MAD


Periode I 212,636 338,636 140,273

MSE

Periode III 224,667 212,556 111,408

Periode I 87250,45 174931,5 33639,55

Periode III 98771,84 73226,63 23745,18

BIAS (Mean Error) Periode I Periode III 3,909 -22,444 37,545 39,889 29,909 48.37

Standar Error Periode I 326,557 462,391 202,768

Periode III 356,36 306,836 174,727

Dari tabel data rekapitulasi ranking hasil peramalan tersebut, maka terpilih hasil metode Trend Analysis yang memiliki nilai error terkecil, dan didapat keseluruhan data permintaan dan peramalan pada tabel berikut :


63

Tabel 4.30 Data hasil permintaan dan peramalan Jamur No.

Periode

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

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

Jamur Shiitake Demand Forecast 1,645 1,758 1,773 1,750 1,941 1,743 1,796 1,735 1,894 1,728 1,845 1,720 1,137 1,713 1,394 1,705 1,926 1,698 1,776 1,690 1,784 1,683 1,688 1,675

Jamur Tiram Demand Forecast 2,719 2,790 2,795 2,827 3,194 2,863 2,805 2,899 2,698 2,935 3,207 2,971 2,579 3,007 3,397 3,044 2,951 3,080 3,218 3,116 3,177 3,152 3,132 3,188


Jamur Kuping Demand Forecast 2,296 2,376 2,481 2,404 2,508 2,433 2,411 2,462 2,388 2,491 2,745 2,520 2,422 2,548 2,523 2,577 2,513 2,606 2,779 2,635 2,717 2,664 2,625 2,692

64

4.3 Konsep Distribution Resources Planning (DRP) Distribution

Resources

Planning

lebih

menekankan

pada

aktivitas

penjadwalan daripada aktivitas pemesanan. DRP mengantisipasi kebutuhan mendatang dengan perencanaan pada setiap level pada jaringan distribusi.

Tabel 4.31 Lead Time dan Safety Stock Gudang Keterangan Lead Time Safety Stoct

Gudang Central Supply Jamur Shiitake Jamur Tiram Jamur Kuping 1 Bulan 1 Bulan 1 Bulan 200 Pack 200 Pack 200 Pack

Selain itu Distribution Resources Planning juga membutuhkan Teknik penetapan ukuran lot, yang mana ukuran lot yang dipakai adalah lot for lot. Teknik ini dilakukan atas dasar pesanan diskrit. Teknik ini selalu melakukan perhitungan kembali (bersifat dinamis) terutama apabila terjadi perubahan pada kebutuhan bersih.


65

4.3.1 Penjadwalan Distribution Resources Planning (DRP) Produk Jamur Shiitake Tabel 4.32 Perhitungan Distribution Resources Planning (DRP) Produk Jamur Shiitake

Lead Time On Hand Lot size

1 bulan 200 Pack/ 100gr 0 Gross Requierement On hand 200 Lot For Lot Nett Requirement (LFL) Plant Order Rceipt Planned Order Release 1,558

1 1,758 200 1,558 1,558 1,550

2 1,750 200 1,550 1,550 1,543

3 1,743 200 1,543 1,543 1,535

4 1,735 200 1,535 1,535 1,528

JAMUR SHIITAKE TIME PERIOD 5 6 7 1,728 1,720 1,713 200 200 200 1,528 1,520 1,513 1,528 1,520 1,513 1,520 1,513 1,505

8 1,705 200 1,505 1,505 1,498

9 1,698 200 1,498 1,498 1,490

10 1,690 200 1,490 1,490 1,483

Tabel 4.33 Perhitungan Distribution Resources Planning (DRP) Produk Jamur Tiram


11 1,683 200 1,483 1,483 1,475

12 1,675 200 1,475 1,475

66



1 2,790 200 2,590 2,590 2,627

2 2,827 200 2,627 2,627 2,663

3 2,863 200 2,663 2,663 2,699

4 2,899 200 2,699 2,699 2,735

JAMUR TIRAM TIME PERIOD 5 6 7 2,935 2,971 3,007 200 200 200 2,735 2,771 2,807 2,735 2,771 2,807 2,771 2,807 2,844

8 3,044 200 2,844 2,844 2,880

9 3,080 200 2,880 2,880 2,916

10 3,116 200 2,916 2,916 2,952

11 3,152 200 2,952 2,952 2,988

12 3,188 200 2,988 2,988

Tabel 4.34 Perhitungan Distribution Resources Planning (DRP) Produk Jamur Kuping



1 2,376 200 2,176 2,176 2,204

2 2,404 200 2,204 2,204 2,233

3 2,433 200 2,233 2,233 2,262

4 2,462 200 2,262 2,262 2,291

JAMUR KUPING TIME PERIOD 5 6 7 2,491 2,520 2,548 200 200 200 2,291 2,320 2,348 2,291 2,320 2,348 2,320 2,348 2,377


8 2,577 200 2,377 2,377 2,406

9 2,606 200 2,406 2,406 2,435

10 2,635 200 2,435 2,435 2,464

11 2,664 200 2,464 2,464 2,492

12 2,692 200 2,492 2,492

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Recommend Documents