JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SURAKARTA 2008

TUGAS AKHIR USULAN PENERAPAN DISTRIBUTION RESOURCE PLANNING (DRP) UNTUK MENDUKUNG STRATEGI SUPPLY CHAIN (Studi Kasus : KJUB Puspetasari,Klaten)

Disusun dan Diajukan Guna Memenuhi Salah Satu Syarat Menyelesaikan Program Studi S 1 Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah Surakarta

Disusun Oleh :

AGUS WICAKSONO NIM : D 600 020 040 NIRM: 02.6.106.03064.5.040

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SURAKARTA 2008 .

LEMBAR PERSETUJUAN

USULAN PENERAPAN DISTRIBUTION RESOURCE PLANNING (DRP) UNTUK MENDUKUNG STRATEGI SUPPLY CHAIN (Studi Kasus : KJUB Puspetasari, Klaten)

Tugas Akhir ini telah disetujui dan disyahkan sebagai salah satu syarat dalam menyelesaikan Studi Strata I (SI) untuk memperoleh gelar sarjana Teknik Industri Fakultas Teknik Universitas Muhammadiyah Surakarta.

Pada Hari / Tanggal :

Disusun Oleh : NAMA NIM NIRM Fak/Jur

: : : :

AGUS WICAKSONO D 600 020 040 02.6.106.03064.5.040 Teknik / Teknik Industri

Menyetujui :

Dosen Pembimbing I

Dosen Pembimbing II

Much. Djunaedi, ST. MT.

Etika Muslimah, ST. MM.

LEMBAR PENGESAHAN USULAN PENERAPAN DISTRIBUTION RESOURCE PLANNING (DRP) UNTUK MENDUKUNG STRATEGI SUPPLY CHAIN (Studi Kasus : KJUB Puspetasari,Klaten)

Tugas Akhir ini telah dipertahankan pada sidang tingkat Sarjana Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah Surakarta.

Pada Hari / Tanggal : Jam

:

Mengesahkan Dewan Penguji

Tanda Tangan

1. Much Djunaedi, ST. MT (Ketua)

_______________________

2. Etika Muslimah, ST. MM (Anggota)

_______________________

3. Hari Prasetyo, ST. MT. (Anggota)

_______________________

4. Siti Nandiroh, ST (Anggota)

_______________________

Mengetahui Dekan Fakultas Teknik

Ketua Jurusan Teknik Industri

(Ir. H. Sri Widodo, MT)

(Munajat Tri Nugroho, ST. MT)

MOTTO “ Sesungguhnya sesudah kesulitan ada kemudahan, maka apabila kamu telah selesai (dari satu urusan) kerjakanlah dengan sungguh-sungguh (urusan) yang lain. Dan hanya kepada Allah_lah hendaknya kamu berharap” (QS. Al-Insyirah : 6-8) “ Ujian bagi seseorang yang sukses bukanlah pada kemampuannya untuk mencegah munculnya masalah, tetapi pada waktu menghadapi & menyelesaikan setiap kesulitan saat masalah itu terjadi” (David J. Schwartz) “Kesabaran dan keikhlasan adalah kunci utama dalam hidup yang penuh dengan ujian dan Tuhan melihat bukan pada bentukmu ataupun perbuatanmu melainkan pada hatimu” (Penulis)

PERSEMBAHAN

Alhamdulillah, Puji syukur kehadirat Allah SWT atas Rahmat & Karunia_Nya, Sehingga Laporan Tugas Akhir ini dapat penulis selesaikan

Karya kecil ini kupersembahkan teruntuk : •

Ibu & Bapak yang selalu mengiringi langkahku dengan do’a dan restu serta segala pengorbanannya.

•

Kakakku (Rais,Heru,Indra)

•

Myluv “Karina” yang membuat hidupku lebih berwarna

•

Anthique Community

•

Sobat-sobat TI 02

KATA PENGANTAR Assalamu’alaikum Wr.Wb. Dengan memanjatkan puji syukur kehadirat Allah SWT yang telah memberikan kesempatan, rahmat, taufik serta hidayah_Nya, Alhamdulillah akhirnya penulis dapat menyelesaikan Tugas Akhir ini, dengan judul: Usulan Penerapan

Distribution Resource Planning (DRP) untuk mendukung strategi Supply Chain. Sebagai syarat untuk memperoleh gelar sarjana teknik Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah Surakarta. Dalam penulisan Tugas Akhir ini, penulis menyadari sepenuhnya bahwa penyusunan Tugas Akhir ini tidak lepas dari bantuan, masukan dan bimbingan dari berbagai pihak. Oleh karena itu dalam kesempatan ini penulis menyampaikan rasa terima kasih yang sebesar-besarnya kepada : 1. Bapak Ir. H. Sri Widodo, MT., selaku Dekan Fakultas Teknik Universitas Muhammadiyah Surakarta. 2. Bapak Munajat Tri Nugroho, ST. MT., selaku Ketua Jurusan Teknik Industri yang telah berkenan memberikan masukan, bimbingan, arahan, dan motivasi kepada penulis hingga penyusunan Tugas Akhir ini selesai. 3. Much Djunaedi, ST, MT., selaku Pembimbing I yang telah berkenan meluangkan waktunya untuk memberikan bimbingan, masukan serta pengarahan kepada penulis hingga Tugas Akhir ini selesai. 4. Etika Muslimah, ST, MM., selaku Pembimbing II yang dengan sabar penuh pengertian membimbing, mengarahkan dan memberikan dorongan moril kepada penulis dari awal sampai selesainya Tugas Akhir ini. 5. Hari Prasetyo, ST. MT., selaku Dosen Penguji yang telah berkenan memberikan banyak bantuan dan masukan kepada penulis. 6. Siti Nandiroh, ST.,selaku Dosen Penguji yang telah berkenan memberikan masukan dan saran kepada penulis.

7. Ibu Etika Muslimah, ST. MM., selaku Pembimbing Akademik serta segenap Staff

Pengajar

Jurusan

Teknik

Industri

Fakultas

Teknik

Universitas

Muhammadiyah Surakarta. 8. Bapak Darius MYW,SH., selaku Pembimbing yang telah memberikan izin untuk melakukan penelitian dan meluangkan sebagian waktunya guna memberikan banyak bantuan serta arahan kepada penulis. 9. Bapak Ir. Agus Tikta, selaku Pembimbing Lapangan terima kasih untuk waktu dan bantuannya selama penyusunan Tugas Akhir ini. 10. Bapak dan Ibu Tercinta, yang tiada henti mengalirkan Do’a, kasih sayang, petuah bimbingan serta fasilitas-fasilitasnya terima kasih atas perjuangan dan pengorbanannya yang tak kenal lelah hingga penulis bisa menjadi seseorang yang mempunyai impian, cita-cita dan masa depan. 11. MyLuv “Karina Pramhytasari” terima kasih atas cinta, kasih sayang, kesabaran, pengertian dan kesetiaannya. 12. Sobat-sobat di UMS (Sukron, Faris dan semuanya yang tidak dapat penulis sebutkan satu persatu serta semua pihak yang telah banyak membantu dalam proses penyusunan Tugas Akhir ini. 13. Anthique Community (Andrew, Arya, Karinz, Riky, Pilip, Kingkong, Ocep, Bayonic, Ivan, Krisna, terima kasih atas persahabatanya) 14. Teman-teman TI 02 (Penulis menyadari bahwa dalam penyusunan Tugas Akhir ini masih jauh dari kesempurnaan, oleh karena itu dengan segala kerendahan hati sumbangan saran dan kritik dari pembaca merupakan hal terpenting. Semoga laporan Tugas Akhir ini bermanfaat bagi penulis khususnya serta dapat memberikan hikmah dan ide bagi pembaca pada umumnya. Wassalamu’alaikum Wr.Wb.

Surakarta, Februari 2008

Penulis

DAFTAR ISI Halaman HALAMAN JUDUL HALAMAN PERSETUJUAN ........................................................................

ii

HALAMAN PENGESAHAN ........................................................................

iii

HALAMAN MOTTO ....................................................................................

iv

HALAMAN PERSEMBAHAN .....................................................................

v

KATA PENGANTAR ....................................................................................

vi

DAFTAR ISI ..................................................................................................

viii

DAFTAR TABEL ..........................................................................................

xii

DAFTAR GAMBAR .....................................................................................

xiii

ABSTRAKSI .................................................................................................

xiv

BAB I

PENDAHULUAN 1.1

Latar Belakang .............................................................................. 1

1.2

Perumusan Masalah ...................................................................... 1

1.3

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

1.4

Tujuan Penelitian dan Manfaat Penelitian .................................. 2

1.5

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

BAB II LANDASAN TEORI 2.1

Distribution Resource Planning ............................................... …. 5 2.1.1

Tahap 1

.......................................................................... 5

2.1.2

Tahap 2

.......................................................................... 6

2.1.3

Tahap 3.

.......................................................................... 6

2.2

Strategi Persediaan ....................................................................... 7

2.3

Strategi Rantai Pasokan ................................................................. 7

2.4

Strategi Logistik ............................................................................ 8

2.5

Konsep Supply Chain..................................................................... 9

2.6

Perencanan SCM............................................................................ 12

2.7

Perbedaan Antara Manajemen Logistik dan Manajemen Supply Chain ................................................................................. 13

2.8

Peramalan (Forecasting) ............................................................... 27

2.9

Metode Peramalan.......................................................................... 16

2.10 Perencanaan Kebutuhan Bahan...................................................... 22 2.10.1 Tujuan Perencanaan Kebutuhan......................................... 23 2.10.2 Masukan MRP.................................................................... 23 2.10.3 Keluaran MRP.................................................................... 23 2.10.4 Pendekatan Material Requirement Planning (MRP) ......... 23 2.10.5 Fungsi Distribution Resource Planning .............................25 2.10.6 Beberapa Langkah Pengolahan DRP ................................. 25 BAB III METODE PENELITIAN 3.1

Objek Penelitian ............................................................................ 28

3.2

Data Yang Dipakai ........................................................................ 28

3.3

Observasi........................................................................................ 28

3.4

Tehnik Pengolahan Dan Analisis Data ......................................... 30

3.5

Wilayah Distribusi Produk Nutrifeed ............................................ 31

3.6

Kerangka Pemecahan Masalah ..................................................... 32

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Hasil Produk Dan Pemasaran.............................................................33 4.2 Sistem Informasi ............................................................................. 33 4.3 Pengumpulan Data .......................................................................... 34 4.3.1 Data Permintaan Makanan Ternak Periode juli 2006 – juni 2007 ............................................................................. 35 4.3.2 Data Waktu Ancang ............................................................. 35 4.3.3 Data Biaya – Biaya Terkait .................................................. 36 4.4 Pengolahan Data ............................................................................. 37 4.4.1 Peramalan Dan Proporsi Kebutuhan .................................. 37 4.4.2 Perbandingan Grafik Laju Permintaan Item Produk ........... 40 4.4.3 Perhitungan DRP untuk Juli 2006- juni 2007 ..................... 42 4.4.4 Perhitungan DRP untuk Juli 2007 - juni 2008 (Peramalan) ........................................................................ 55 4.5 Analisis Data ................................................................................... 68 4.5.1 Analisis Peramalan............................................................... 68 4.5.2 Analisa Grafik Laju Permintaan........................................... 69 4.5.3 Analisa DRP......................................................................... 69 4.5.4 Analisa SCM ........................................................................ 77 4.5.5 Analisis Perbaikan Sistem Informasi Pendistribusian Produk Makanan Ternak Untuk Tiap Item ........................... 78 BAB V PENUTUP 5.1 Kesimpulan .......................................................................................... 80 5.2 Saran ..................................................................................................... 81 DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman Tabel 3.1

Tabel wilayah distribusi produk nutrifeed....................................31

Tabel 4.1. Tabel permintaan makanan ternak ...............................................35 Tabel 4.2. Tabel wilayah distribusi produk nutrifeed ...................................35 Tabel 4.3. Tabel biaya kirim pada wilayah distribusi produk nutrifeed........36 Tabel 4.4. Tabel Model dan hasil peramalan tiap item ................................ 38 Tabel 4.5. Tabel rekapitulasi hasil peramalan ............................................. 39 Tabel 4.6. Tabel rekapitulasi hasil perhitungan wilayah 1 .......................... 67 Tabel 4.7. Tabel rekapitulasi hasil perhitungan wilayah 2........................... 67 Tabel 4.8. Tabel rekapitulasi hasil perhitungan wilayah 3........................... 68

DAFTAR GAMBAR

Halaman Gambar 2.1

Model Supply Chain Management .......................................... 12

Gambar 2.2

Sistem lengkap MRP .............................................................. 24

Gambar 3.1

Skema alur proses produksi dan proses pendistribusian produk .....................................................................................28

Gambar 3.2

Kerangka pemecahan masalah ............................................... 32

Gambar 4.1

Sistem informasi distribusi makanan ternak ............................ 33

Gambar 4.2

Rantai pendistribusian makanan ternak.................................... 34

Gambar 4.3

Permintaan produk BC 132 tahun 2006 dan peramalan tahun 2007 ......................................................................................... 40

Gambar 4.4. Permintaan produk KF tahun 2006 dan peramalan tahun 2007 .......................................................................................... 41 Gambar 4.5. Permintaan produk DC 132 tahun 2006 dan peramalan tahun 2007 .......................................................................................... 41 Gambar 4.6. Permintaan produk DC 133 tahun 2006 dan peramalan tahun 2007 .......................................................................................... 42

ABSTRAKSI Untuk menciptakan pelayanan yang diinginkan, koordinasi antara pihakpihak didalam supply chain sangat diperlukan, kurangnya koordinasi sering kali menimbulkan kesalahan informasi yang salah satu sebabnya adalah adanya komposisi biaya-biaya untuk pemesanan dan persediaan yang tidak sama antar konsumen. Akibatnya informasi produk apa yang yang diperlukan, jumlah, siapa konsumen yang memesan dan kapan produk harus dikirim menjadi kurang tepat. Dampaknya rencana pemesanan bahan baku ke pemasok juga tidak terestimasi dengan baik Distribution Resource Planning (DRP) mengolah informasi untuk memperlancar dan mengatur pemasaran agar supply dan demand lebih seimbang Caranya adalah dengan melakukan peramalan permintaan dari data periode sebelumnya sebagai acuan untuk memesan bahan baku ke pemasok. Dengan acuan tersebut perusahaan bisa tepat waktu memenuhi permintaan pelanggan serta menyiapkan tersedianya produk yang cukup dan tidak berlebihan sehingga dapat diketahui banyaknya jumlah produk yang harus disediakan di tiap wilayah distribusi (Economic Order Quantity ), kapan dilakukannya pemesanan kembali oleh masing- masing wilayah (Reorder Point) dan besarnya persediaan yang ada (Safety Stock),

Kata kunci : DRP, Economic Order Quantity, Reorder Point, Safety Stock

BAB I PENDAHULUAN

1.1. Latar Belakang Masalah Koperasi Jasa Usaha Bersama (KJUB) PUSPETASARI merupakan perusahaan perdagangan makanan ternak (nutrifeed) yang berlokasi di Klaten Jawa Tengah, Konsep manajemen rantai pasokan dengan fokus kajian keefektifan dan keefesienan aliran produk maupun aliran informasi telah menempati prioritas penting dalam menentukan kebijakan pendistribusian produk kepada penjual atau agen. Berkembangnya informasi yang tak terbatas di era globalisasi sekarang ini, Koperasi Jasa Usaha Bersama (KJUB) PUSPETASARI dihadapkan pada kendala yang berkaitan dengan pendistribusian produk hingga ke konsumen pemakai akhir. Permasalahan yang ada pada Koperasi Jasa Usaha Bersama (KJUB) PUSPETASARI adalah terjadinya perbedaan proporsi permintaan masing-masing konsumen. Dan adanya komposisi biaya-biaya untuk pemesanan dan persediaan yang tidak sama antar konsumen. Akibatnya informasi produk apa yang yang diperlukan, jumlah, siapa konsumen yang memesan dan kapan produk harus dikirimkan menjadi kurang tepat. Dampaknya rencana pemesanan bahan baku ke pemasok juga tidak terestimasi dengan baik.

1.2. Perumusan Masalah Sistem

distribusi

barang

atau

produk

dapat

digambarkan

dari

Manufacture/pabrik mengirimkan produknya kepada distributor utama dan pihak distributor akan menyalurkan produk itu kepada retailer-retailer yang tersebar, lalu

pihak retailer yang akan menyampaikan produk tersebut kepada konsumen akhir atau end users-nya. Permasalahan yang diangkat dalam tugas akhir ini adalah : 1. Berapa banyak jumlah produk yang harus disediakan di tiap wilayah distribusi? 2. Kapan harus dilakukan pemesanan kembali oleh masing- masing wilayah? 3. Berapa besarnya persediaan yang harus ada?

1.3. Batasan Masalah Ruang lingkup kajian yang dibahas akan dibatasi, mengingat terkaitnya permasalahan dengan sistem manajemen perusahaan serta tujuan dari penelitian yang akan diarahkan. Batasan yang akan ditetapkan adalah sebagai berikut : 1. Penelitian ini hanya dilakukan pada sistem distribusi dari perusahaan ke agen penjualan. 2. Pengukuran tingkat efesiensi tidak menjelaskan kepada nominal keuntungan perusahaan.

1.4. Tujuan Dan Manfaat Penelitian Adapun tujuan yang dapat diambil dari penelitian ini adalah sebagai berikut: 1. Merencanakan

pendistribusian

pemenuhan

permintaan

pelanggan

yang

agregrasinya menjadi kebutuhan pemesanan ke pemasok. 2. Mendapatkan sistem informasi distribusi yang mendukung penerapan Supply Chain Management. Adapun manfaat yang dapat diambil dari penelitian ini adalah sebagai berikut:

1. Optimasi Supply Chain sangat penting untuk meningkatkan efektifitas dan efisiensi yang akan dipengaruhi juga oleh faktor perubahan jumlah permintaan. Dengan dikembangkannya pendekatan terhadap sistem nyata, maka aktivitas yang terjadi dalam supply chain dapat dilakukan dengan lebih tepat waktu dan lebih baik. 2. Menghasilkan pendekatan sistem yang fleksibel untuk diimplementasikan pada distribusi yang telah dikembangkan. 3. Mengetahui prinsip dasar supply chain yang meliputi alur kegiatan, mulai dari perencanaan, proses pengadaan, proses pengiriman dan pengawasan atau pengendalian proses pasokan material serta pemeriksaan mutu dan ketepatan waktu.

1.5. Sistematika Penulisan Laporan Sistematika penulisan dalam Laporan Tugas Akhir ini dibagi dalam beberapa bab, yaitu : BAB I

PENDAHULUAN Pada bab ini berisi mengenai latar belakang masalah distribusi produk makanan ternak, perumusan masalah untuk kasus pendistribusian, batasan masalah yang akan dikaji, tujuan dan manfaat penelitian, dan sistematika penulisan.

BAB II LANDASAN TEORI Pada bab ini berisi uraian singkat mengenai teori-teori manajemen rantai pasokan yang mendukung penulisan laporan.

BAB III METODOLOGI PENELITIAN Pada bab ini berisi tentang obyek penelitian yaitu, teknik-teknik pengumpulan, teknik analisa data, dan kerangka pemecahan masalah. BAB IV PENGUMPULAN, PENGOLAHAN DAN HASIL ANALISIS DATA Pada bab ini berisi mengenai data yang diperoleh selama penelitian dilakukan dan pengolahan data-data yang diperoleh. BAB V PENUTUP Pada bab ini berisi mengenai kesimpulan dari penelitian tentang kasus pendistribusian produk makanan ternak, serta saran usulan untuk perusahaan atas solusi yang didapat.

BAB II LANDASAN TEORI

2.1 Distribution Resource Planning Distribution Resource Planning (DRP) adalah suatu proses yang menentukan kebutuhan dari ISL (Investory Stocking Locatian) dan memastikan bahwa sumber Supply dapat memenuhi permintaan tersebut. Dalam hal ini ISL-nya adalah Pabrik Makanan Ternak Nutrifeed di KJUB Puspetasari. Tujuan dari DRP adalah mensimulasikan kejadian yang sebenarnya di suatu perusahaan agar dapat diketahui apa yang akan dilakukan untuk masa yang akan datang dengan sumber-sumber yang ada, Penambahan kecil dan sering dalam batasan pesanan dan pesanan yang ekonomis. DRP mengolah informasi ini untuk memperlancar dan mengatur pemasaran, sehingga dapat menyeimbangkan antara supply dan demand. Diharapkan dengan adanya perencanaan pendistribusian yang baik, keberhasilan pemenuhan permintaan pelanggan akan menjadi optimal dan dengan demikian diharapkan dapat meningkatkan kinerja penjualan dengan mampu memenuhi pesanan tepat waktu.(Andre, 1995) Langkah-langkah dalam proses DRP adalah sebagai berikut: 2.1.1. Tahap pertama DRP menerima input berupa: 1. Hasil peramalan penjualan yang dilakukan oleh ISL. 2. Pesanan dari konsumen yang akan dikirim saat ini maupun yang akan datang. 3. Persediaan yang ada saat ini yang dapat dijual oleh setiap ISL.

4. Lead Time pemesanan. 5. Safety stock. 6. Jumlah

minimal

dari

produk

yang

harus

dijual,

diproduksi

maupun

didistribusikan. 2.1.2. Tahap kedua Begitu semua input diterima, DRP membangkitkan model berdasarkan pada waktu untuk mendukung strategi logistik dimana dengan adanya model tersebut dapat ditentukan: 1. Produk apa yang diperlukan, berapa banyak dan dimana serta kapan produk tersebut diperlukan. 2. Kapasitas transportasi yang diperlukan. 3. Tempat, tenaga manusia dan kapasitas peralatan yang dibutuhkan oleh ISL 4. Jumlah inventory yang diperlukan ISL. 5. Level produksi yang diperlukan. 2.1.3. Tahap ketiga DRP membandingkan sumber-sumber yang diperlukan dengan apa yang akan ada di masa mendatang. Dengan adanya informasi ini maka akan dapat diketahui tindakan

apa

yang

harus

dilakukan

untuk

memperlancar

atau

menunda

pembelian/pemesanan, sehingga dengan demikian dapat menyeimbangkan supply dan demand. Langkah ketiga ini mendorong integrasi dan memberikan umpan balik ke sistem kemudian menutup loop antara produksi, pembelian dan logistik maupun konsumen.(Lisa, 2001)

2.2 Strategi Persediaan. Persediaan merupakan bahan atau barang yang disimpan untuk tujuan tertentu, antara lain untuk proses produksi, jika berupa bahan mentah maka akan diproses lebih lanjut. Persediaan merupakan bagian terbesar dalam penggunaan modal kerja perusahaan dan merupakan aktiva yang selalu mengalami perubahan setiap saat. Persediaan juga mengalami perputaran yang berbeda-beda, tinggi rendahnya perputaran akan berpengaruh langsung terhadap besar kecilnya dana yang ditawarkan atau dibutuhkan dalam persediaan tersebut. Syarat persediaan yang ideal : 1. Peningkatan layanan kepada pelanggan, melalui pemberian layanan berupa penyediaan bahan atau barang yang dibutuhkan pelanggan (service availability) 2. Penekanan biaya. Persediaan tidak hanya sekedar menyediakan bahan atau barang sesuai kebutuhan saja, tetapi harus mempertimbangkan hal-hal lain seperti ketepatan waktu, ketepatan mutu, biaya yang ekonomis, dan ketepatan jumlah.(Yolanda, 2005)

2.3 Stategi Rantai Pasokan/ Supply Chain Strategi supply chain adalah

startegi manajmnen yang membahas tentang

bagaimana upaya perusahaan memposisikan pemasok-pemasoknya sebgai bagaian dalam proses produksinya. Upaya agar konsumen menjadi loyal adalah dengan kepuasan pelanggan. Kebutuhan dan keinginan pelanggan sangat beragam, dari produk berwujud hingga produk estetika, dan faktor yang terpenting adalah psikologis (keramahan pelayanan,

rasa aman). Perusahaan dapat memuaskan keinginan dan kebutuhan konsumen dengan mengembangkan dan mencapai misi dan strategi. Strategi adalah rencana aksi organisasi untuk mencapai misi. Strategi dapat dijalankan setelah perusahaan menetapkan misi. Secara umum strategi perusahaan ada dua, tujuan komersial dan tujuan sosial, yaitu: 1. Tujuan komersil atau yang disebut dengan profit oriented yaitu tujuan perusahaan untuk mencari atau memperoleh keuntungan. 2. Tujuan sosial atau yang disebut dengan social oriented yaitu perusahaan yang didirikan dengan tujuan untuk membantu kalangan-kalangan tertentu yang membutuhkan, seperti koperasi jasa usaha bersama (KJUB). Penciptaan strategi perusahaan dimulai dari bersihnya image perusahaan, selanjutnya proses pandangan (visioning) dimana hal-hal tidak lazim, tidak terdengar dan bahkan strategi melawan pesaing juga harus dipertimbangkan. Terdapat penempatan empat komponen untuk strategi yang baik yaitu, konsumen, pemasok, pesaing dan perusahaan.(Arnold, 1997)

2.4 Srategi Logistik Strategi logistik diperlukan untuk membantu pencapaian tujuan perusahaan yang diinginkan dalam strategi perusahaan. Inovasi terhadap pendekatan-pendekatan strategi logistik akan membuat perusahaan dapat unggul dalam bersaing. Dalam

perencanaan

strategi

logistik

diperlukan

beberapa

sumber

pengambilan keputusan. Suatu perspektif strategi untuk sumber dari dalam dan luar perusahaan bertujuan agar mampu bersaing berdasarkan difrensiasi produk dan atau fokus. Unsur pembuatan strategi logistik menurut sislian dan satir (2000) terdiri dari

faktor primer (keunggulan bersaing, fleksibilitas permintaan) dan faktor sekunder (kapabilitas proses, batas waktu proses, dan resiko strategi).

2.5 Konsep Supply Chain Supply chain pada hakikatnya merupakan jaringan organisasi yang menyangkut hubungan ke hulu (upstream) dan ke hilir (downstream) dalam proses dan kegiatan berbeda yang menghasilkan nilai yang terwujud dalam barang dan jasa ditangan pelanggan terakhir. Hubungan ke hulu bersifat forward yaitu rantai hubungan pemasok menuju konsumen, sedangkan hubungan ke hilir bersifat backward dari konsumen menuju pemasok. Perusahan perlu mengelola supply chain –nya dengan baik untuk menciptakan keunggulan kompetitif yang unik pada sistem bisnis (Haizer & Raider, 2001). Konsep supply chain merupakan rangkaian dari fasilitas, fungsi dan aktivitas perusahaan yang terlibat dalam pembuatan dan penyaluran barang atau jasa. Rangkaian tersebut dimulai dari pemasok dan berakhir pada konsumen akhir. Dengan menganalisis secara keseluruhan proses, dari pemasok awal sampai dengan konsumen akhir, dapat diketahui keuntungan-keuntungan dari supply chain yaitu mengurangi inventory barang dengan berbagai cara, menjamin kelancaran penyediaan barang dan menjamin mutu. Penentu supply chain bukan lagi perusahaan melainkan konsumen (Mattsson, 2003). Konsumen bebas menentukan pilihan mereka pada berbagai pilihan barang atau jasa yang tersedia di pasaran sehingga perusahaan berusaha untuk menyesuaikan produk mereka sesuai pilihan serta kehendak konsumen (Larsen & Bagchi, 2002, Barrat, 2004).

Menurut Stevenson (2002), ada dua jenis pergerakan (movement) dalam sistem supply chain. Pertama , physical movement of materials yaitu pergerakan arus barang dimana umumnya memiliki arah menuju rantai akhir (konsumen), meskipun tidak semua rantai berawal dengan bahan baku. Kedua exchange of information yaitu pergerakan arus informasi ini menuju dua arah, baik menju rantai awal maupun rantai akhir, disepanjang supply chain. Supply chain management merupakan integrasi dari beberapa proses bisnis inti melalui original supplier (pemasok awal) menuju end user (konsumen akhir) yang menyediakan barang, jasa dan informasi yang mampu memberikan tambahan nilai bagi konsumen. Proses utama aktivitas supply chain management (Stock & Lambert, 2001) sebagai berikut: 1. Manajemen hubungan dengan konsumen (customer relationship management) mengidentifikasikan konsumen yang kritis bagi misi perusahaan. 2. Manajemen pelayan konsumen (customer service management). Menyediakan informasi tunggal, informasi real-time (faktual) tentang tanggal pengiriman yang sudah dijanjikan atau ketersediaan produk bagi konsumen. 3. Manajemen permintaan (demand management)

menyeimbangkan kebutuhan

konsumen dengan kemampuan perusahaan untuk memenuhinya. 4. Manajemen order (order fulfiliment) menyediakan proses bisnis yang transparan, supply chain yang efektif menepati customer need date (pemenuhan kebutuhan konsumen pada saat yang tepat).

5. Manajemen aliran manufaktur (manufacturing flow mangemnet) menyesuaikan antara permintaan dengan kemampuan produksi. 6. Pembelian (procurement) fungsi pembelian mengembangkan mekanisme informasi cepat seperti electronic data interchange (EDI) dan jaringan internet untuk transfer kebutuhan secara cepat. Komunikasi cepat ini menyediakan alat untuk mengurangi waktu dan biaya yang terbuang pada bagian pembeliaan saat transaksi berlangsung. 7. Pengembangan

dan

komersialisasi

produk

(product

development

and

commersialization) mengintegrasikan pemasok dan konsumen kedalam proses pengembangan produk. 8. Tingkat pengembalian (return) manajemen pada tingkat saluran pengembalian yang efektif memudahkan identifikasi perbaikan produktifitas dan terobosan baru produk. Sesuai dengan perkembangan ilmu pengetahuan dan teknologi. Istilah Supply Chain Management telah mengalami paradigma, dari sekedar proses inventory dan transportasi menjadi proses peningkatan hasil tambah (value creation) dari barang dan jasa yang berfokus pada efesiensi dan efektifitas aliran material, aliran mata uang, dan yang paling penting adalah informasi yang terjadi secara simultan, sehingga akan meningkatkan performansi rantai pasokan secara keseluruhan. Prinsip yang digunakan dalam Supply Chain Management

adalah “Getting the right

product, to the right place, at the right time, for the right price” (Reyes, 1998). Dari keseluruhan pendekatan dan konsep melahirkan definisi Supply Chain Management yang menurut (Franks, 1997) adalah : “Pendekatan perusahaan untuk

mengoptimasi potensi dari keseluruhan bisnis (termasuk bisnis pendukung) dalam memenuhi kebutuhan komersial yang meningkat yang diindikasikan oleh permintaan pelanggan pada keseluruhan sistem”. Supply Chain Management

efektif

berkontribusi pada pembangunan berkelanjutan dari struktur bisnis keseluruhan . Sesuai gambar 2.1 dibawah ini.

Pemasok (Supplier)

Perusahaan

Perancangan – pemasaran – pengadaan – produksi - distribusi

Pemasok dari pemakai

Pelanggan (Customer)

Pemakai akhir (end user)

Gambar 2.1. Model Supply Chain Management

Seluruh elemen dalam Supply Chain Management tidak bisa berjalan secara terpisah, tetapi harus merupakan satu kesatuan. Sehingga akan menghasilkan sinergi dan pada akhirnya menciptakan efisiensi dan efektifitas. Dalam Supply Chain Management sendiri hal yang paling penting adalah saling berbagi (sharing). Dan terlihat dari adanya aliran material, uang dan informasi yang mengintegrasikan keseluruhan elemen dalam Supply Chain Management. Istilah yang dikenal pada Supply Chain Management yaitu concurrent, yang berarti aliran tersebut harus terjadi secara simultan. Dari konesp integrasi dan concurrent tersebut timbul konsep Knowledge Management yang basisnya adalah ilmu pengetahuan.

2.6 Perencanaan SCM. Terdiri dari enam topik, yaitu:

1. Tingkat Perencanaan. Perencanaan SCM bertujuan untuk menjawab pertanyaan tentang apa, kapan, bagaimana, hal tersebut berlangsung pada tiga tingkatan, yaitu strategis, taktikal, dan operasional. 2. Luasnya Daerah Pemesanan Menyangkut empat keputusan penting, yaitu: •

Tingkat layanan kepada pelanggan.

•

Lokasi fasilitas logistik, yaitu memntukan strategi logistic dapat berjalan lancar dan menjamin akan mendapat stok

•

Keputusan persediaan, berkaitan dengan persediaan yang dimiliki dan kecukupan stok barang.

•

Keputusan transportasi, yaitu memilih model transportasi yang akan digunakan.

2.7 Perbedaan Antara Manajemen Logistik dan Manajemen Supply Chain Antara manajemen logistik dan manajemen supply chain memiliki sejumlah persamaan yang terkadang menimbulkan kerancuan yaitu: 1. Keduanya menyangkut pengelolaan arus barang atau jasa. 2. Keduanya

menyangkut

pengelolaan

mengenai

pembelian,

pergerakan,

penyimpanan, pengangkutan, administrasi dan penyaluran barang. 3. Keduanya terkait usaha untuk meningkatkan efesiensi dan efektifitas pengelolaan barang. Disamping persamaan tersebut ada beberapa perbedaan mendasar diantara keduanya yang antara lain dapat disebutkan sebagai berikut :

1. Manajemen logistik Mengutamakan pengelolaan termasuk arus barang dalam perusahaan serta berorientasi pada perencanaan dan kerangka kerja yang menghasilkan rencana tunggal arus barang dan informasi di seluruh perusahaan. 2. Manajemen supply chain. Mengutamakan arus barang antar perusahaan, sejak perusahaan paling hulu sampai yang paling hilir agar koordinasi proses bisnis antar perusahaan tercipta, mulai dari pemasok sampai pada pelanggan.

2.8 Peramalan (Forecasting) Pada akhir ini terdapat perkembangan yang pesat sekali dalam teknik dan metode analisa, baik analisa ekonomi maupun analisa kegiatan usaha perusahaan terutama di bidang pemasaran, produksi dan keuangan. Dalam melakukan analisa ekonomi atau analisa kegiatan usaha perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dalam dunia usaha pada masa yang akan datang. Kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang disebut juga dengan peramalan (forecasting). (Assauri, 1984) Kegunaan peramalan adalah : a. Berguna untuk dapat memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa yang lalu, dengan kata lain metode peramalan diharapkan dapat memberikan obyektivitas yang lebih besar. b. Membantu dalam mengadakan pendekatan analisa terhadap pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan

yang sistematis dan pragmatis serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau yang disusun. Jenis-jenis peramalan adalah sebagai berikut: a. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu atau time series. b. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara

variabel

yang

akan

diperkirakan

dengan

variabel

lain

yang

mempengaruhinya, yang bukan waktu, yang disebut dengan metode korelasi sebab-akibat (causal methods). Langkah-langkah peramalan, yaitu : a. Pertama, menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut. b. Kedua, menentukan metode yang dipergunakan. Masing-masing metode memberikan hasil peramalan yang berbeda. Metode peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi. Dengan kata lain metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kecil yang sekecil mungkin. c. Ketiga, memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan. Faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan-

kebijakan yang mungkin terjadi, termasuk perubahan kebijakan pemerintah, perkembangan potensi masyarakat, perkembangan teknologi dan penemuanpenemuan baru.

2.9 Metode Peramalan Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi pada masa lalu. Oleh karena itu, metode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan dalam peramalan yang obyektif. Metode-metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu atau analisa deret waktu, terdiri dari: a. Metode smoothing, yang mencakup metode data lewat (past data), metode ratarata kumulatif, metode rata-rata bergerak (moving average) dan metode “exponential smoothing” b. Metode Box Jenkis menggunakan dasar deret waktu dengan model matematis agar kesalahan yang terjadi dapat sekecil mungkin. c. Metode Proyeksi Trend dengan regresi, merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu mengetahui ciri-ciri yang penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan. Dalam mempersiapkan peramalan, ada 6 ciri utama yang perlu diperhatikan :

a. Horison waktu (time horizon). b. Tingkat perincian. c. Jumlah produk. d. Pengawasan versus perencanaan. e. Stabilitas. f. Prosedur perencanaan yang ada.

Ada berbagai cara didalam teknik peramalan antara lain: (Long Cang-yih) Notasi-notasi yang digunakan adalah sebagai berikut : t

= Waktu atau periode, t = 1,2,...,n

m

= Periode rata-rata bergerak atau lamanya siklus musiman.

α

= Parameter smoothing.

β

= Trend smoothing parameter.

γ

= Parameter smoothing musiman.

τ

= Waktu dari t.

n

= Banyaknya data.

A(t) = Data nilai aktual pada periode ke-t. A(i) = Rata-rata dari data aktual. f(t) = Peramalan pada periode ke-t. T(t) = Trend pada periode ke-t. F(t) = Smoothing value pada periode ke-t. W(t) = Nilai tertimbang pada periode ke-t. I(t) = Indeks musiman pada periode ke-t.

e(t) = Kesalahan (penyimpangan) pada periode ke-t, yaitu f(t)-A(t). Model-model peramalan yang digunakan adalah sebagai berikut : 1. Simple Average Metode rata-rata sederhana ini digunakan untuk data yang tidak mengandung unsur trend dan faktor musiman. Secara sederhana metode ini menghitung rataan dari data yang tersedia sejumlah n mengikuti. Persamaan yang digunakan adalah : n

F (t ) =

∑ A(t ) t =1

n

............................................................. (2.1)

2. Weighted Moving Average Istilah Moving Average menggambarkan prosedur jika ada data baru, rata-rata baru dapat dihitung dan data yang lalu dihapus. Karakteristik Moving Average, yaitu peramalannya dipengaruhi oleh t periode masa lalu dan jumlah data tiap waktu tetap. Persamaannya adalah : t

t

i

i

F (t ) = ∑W (i ) A(i ) / ∑W (i ) ; keterangan i = (t – m + 1) ke-t f (t + τ ) = F (t ) ............................................................ (2.2)

3. Moving Average with Linier Trend Metode rata-rata tertimbang dengan trend linear ini akan efektif jika trend linier dan faktor random error tidak besar. Persamaan dari metode tersebut adalah :

t

F (t ) = ∑ A(t ) / m ; keterangan i = (t – m + 1) ke-t i

f (t + τ ) = F (t ) + T (t )(t + τ ) ...................................... (2.3)

4. Single Exponential Smoothing Metode ini digunakan pada saat data cenderung konstans, dalam arti tidak memiliki unsur yang cukup berarti.

Karakteristik smoothing

dikendalikan dengan menggunakan faktor smoothing (penghalusan) a, yang bernilai antara 0 sampai dengan 1.

Fungsi faktor ini adalah untuk

memberikan penekanan yang lebih terhadap data yang baru.

Setiap

peramalan berdasarkan pada hasil peramalan sebelumnya ditambah dengan suatu presentase perbedaan antara peramalan dengan nilai aktualnya pada saat tersebut. Persamaan yang digunakan adalah :

F (t ) = α . A(t ) + (1 − α ) F (t − 1) F (t + τ ) = F (t ) .......................................................... (2.4) 5. Single Exponential Smoothing with linear trend Metode ini digunakan pada data histories yang cenderung konstan mengandung unsur trend. Persamaan yang digunakan : F (t ) = α . A(t ) + (1 − α )( F (t − 1) + T (t − 1) T (t ) = β ( F (t ) − F (t − 1)) + (1 − β )T (t − 1) f (t + τ ) = F (t ) + τ .T (t )..............................................(2.5) 6. Double Exponential Smoothing Metode ini digunakan pada data histories yang mengandung unsur trend. Persamaan yang digunakan :

F (t ) = α . A(t ) + (1 − α ) F (t − 1) F ' (t ) = α .F (t ) + (1 − α ) F ' (t − 1) F (t + τ ) = F ' (t ) ......................................................... (2.6) 7. Double Exponential Smoothing with Linier Trend Persamaan metode ini adalah :

F (t ) = α . A(t ) + (1 − α ) F (t − 1) F ' (t ) = α .F (t ) + (1 − α ) F ' (t − 1)

γ = τ .α / β f (t + τ ) = (2 + γ )F (t ) − (1 + γ )F ' (t ) ........................... (2.7) 8. Adaptive Exponential Smoothing Persamaan metode ini adalah :

F (t ) = α . A(t ) + (1 − α ) F (t − 1) .................................. (2.8) 9. Linier Regresion Tujuan dari regresi linear sederhana adalah untuk memperoleh sebuah persamaan garis lurus yang akan meminimasi jumlah bias vertikal dari titik-titik yang terobservasi dengan garis lurus yang terbentuk. Persamaan yang dipakai adalah : Y = a + bX ............................................................... (2.9) Dimana :

Y = Variabel tidak bebas (Dependent). X = Variabel bebas (Independent). b = Slope (kemiringan). a = Konstanta.

Besarnya koefisien a dan b dihitung berdasarkan persamaan :

b=

N (∑ XY ) − (∑ X )(∑ Y )

a=

∑ Y − b∑ X ................................................... (2.11)

Dimana :

N

(∑Y ) − ( X ) 2

2

................................. (2.10)

N

N = Jumlah data hasil observasi

10. Winter’s model Metode winter merupakan metode permalan yang sering dipilih untuk menangani data permintaan baik yang mengandung variasi musiman maupun unsur trend. Metode ini mengolah tiga asumsi untuk modelnya, seperti unsur konstans, unsur trend, dan unsur musiman. Ketiga komponen diatas secara kotinyu saling memperbaharui. Persamaan yang digunakan adalah: F (t ) = α . A(t ) / I (t − m) + (1 − α )( F (t − 1) + T (t − 1)) T (t ) = β ( F (t ) − F (t − 1)) + (1 − β )T (t − 1) I (t ) = γ . A(t ) / F (t ) + (1 − γ ) I (t − m) f (t + τ ) = ( F (t ) + τ .T (t )) I (t + τ − m) Jika faktor-faktor musiman diabaikan, maka ditentukan pada nilai berikut ini : ⎛ m ⎞ I (t ) = A(t ) / ⎜ ∑ A(t ) ⎟ , t = 1,2,...,m ........................... (2.12) ⎝ i =1 ⎠ Pengukuran kesalahan peramalan dapat dihitung dengan rumus sebagai berikut: a. Mean Absolute Deviation adalah mengukur akurasi peramalan dengan merataratakan kesalahan peramalan (nilai absolutenya) Persamaannya adalah :

∑e

t

t

Mean Absolute Deviation =

…………………………………….....(2.13)

n

b. Mean Squared Error adalah merupakan metode alternatif dalam mengevaluasi suatu teknik peramalan. Setiap kesalahan atau residual dikuadratkan, kemudian dijumlahkan dan dibagi dengan jumlah observasi. Persamaannya adalah :

∑ (e )

2

t

Mean Squared Error =

t

n

……………………………………........(2.14)

c. Mean Error adalah menunjukkan besarnya perkiraan yang ditunjukkan oleh metode tersebut, jumlah nilai error dibagi jumlah periode. Persamaannya adalah :

∑e Mean Error =

t

n

t

…………………………………….........................(2.15)

Keterangan: e(t) = kesalahan (deviasi) untuk periode yaitu f(t) – A(t) n

=

nomor

periode

dimana

e(t)

dapat

dicari,

i,

e,

mempunyai

kedua f(t) dan A(t). 2.10 Perencanaan Kebutuhan Bahan

Perencanaan

kebutuhan

bahan

(Material

Requirement

Planing)

menggantungkan pengendalian pekerjaan dan pengendalian produk. Waktu yang digunakan untuk mengubah jadwal produksi akibat permintaan atau keterlambatan tak terduga secara manual cukup panjang, sehingga memungkinkan perhitungan kebutuhan bahan untuk keperluan produksi.

2.10.1 Tujuan Perencanaan Kebutuhan.

1. Meningkatkan pelayanan dan kepuasan konsumen. 2. Meningkatkan pemanfaatan fasilitas dan tenaga kerja. 3. Perencanaan dan penjadwalan persediaan yang lebih baik. 4. Tanggapan yang lebih cepat terhadap perubahan dan pergeseran pasar. 5. Mengurangi tingkat persediaan. 2.10.2 Masukan dan keluaran MRP

Jadwal Induk Produksi (JIP)/ Master Production Schedule (MPS). 1. Jadwal induk produksi merupakan rencana rinci tentang jumlah barang yang akan diproduksi pada beberapa satuan waktu dalam barisan perencanaan. Jadual induk produksi merupakan optimasi ongkos dengan memperhatikan kapasitasnya yang tersedia dan ramalan permintaan untuk mencapai rencana produksi yang akan meminimasi total ongkos produksi dan persediaan. 2. Struktur Produk/ Bill of Material (BOM) Setiap item dan komponen harus memiliki identifikasi yang jelas dan unik sehingga berguna pada saat komputerisasi. Hal ini dilakukan dengan membuat struktur produk dan bill of material tiap produk. Struktur produk berisi tentang informasi mengenai hubungan antar komponen dalam perakitan. Informasi ini penting dalam penentuan kebutuhan kotor dan kebutuhan bersih suatu komponen. Lebih jauh lagi, struktur produk juga mengandung informasi tentang semua item, seperti nama item, serta jumlah yang dibutuhkan pada tiap tahun terhadap perakitan. 2 Keadaan persediaan/ Inventory Master File (IMF)

Data jumlah persediaan yang dimiliki digunakan untuk membuat keputusan dalam pemesanan suatu barang dengan sebaik-baiknya. 2.10.3 Keluaran MRP meliputi :

Material

Requirement

Planning

(Perencanaan

kebutuhan

bahan)

mempunyai beberapa keluaran antara lain: 1. Memberikan catatan mengenai pesanan. MRP dapat menentukan jumlah kebutuhan komponen serta waktu pemesanannya untuk memenuhi permintaan sesuai dengan JIP. 2. Memberikan indikasi untuk penjadwalan ulang. MRP dapat memberi indikasi penjadwalan ulang apabila kapasitas produksi yang telah ada tidak dapat memenuhi pesanan yang dijadualkan. 3. Memberi indikasi untuk pembatalan pesanan. Memberikan kepastian terhadap pembatalan pesanan yang dilakukan atas suatu komponen. 4. Memberi informasi mengenai keadaan persediaan. MRP dapat menentukan secara tepat penjadwalan setiap komponen sehingga dapat meminimumkan biaya pesan maupun biaya perawatan. 2.10.4 Pendekatan Material Requirement Planning (MRP)

Pada tahap perencanaan kebutuhan material, dilakukan perencanaan terhadap produk/part/material. Pendekatan untuk menyelesaikan masalah ini dilakukan melalui logika sederhana, yaitu :

Peramalan

Master Prod.

Pesanan Langganan

Schedule

Status Persediaan

Sistem MRP

Struktur Produk

Rencana Pemesanan

Pemesanan Pembelian

Pesanan Kerja

Penjadwalan Kerja

Pembatalan Kerja

Gambar 2.2 : Sistem lengkap MRP

2.10.5 Langkah –Langkah Dasar Proses Pengolahan MRP 1. Perhitungan Kebutuhan Bersih (Netting)

Merupakan proses perhitungan untuk menetapkan jumlah kebutuhan bersih yang besarnya merupakan selisih antara kebutuhan kotor dengan keadaan persediaan. Masukan yang diperlukan dalam proses perhitungan kebutuhan bersih ini adalah : Kebutuhan kotor setiap periode. Persediaan yang ada di tangan. Rencana penerimaan (schedule receipts) pada periode mendatang.

Net requirement = [gross requirement + allocation] – [ on hand + scheduled receipts]

2. Penentuan Ukuran Lot (lotting)

Lotting merupakan proses untuk menentukan besarnya pesanan setiap item berdasarkan kebutuhan bersih yang dihasilkan dari proses netting. Tujuannya untuk memenuhi pesanan secara bertahap sampai jumlah pesanan terpenuhi. 3. Proses Offsetting

Proses ini ditunjukan untuk menentukan saat yang tepat guna melakukan rencana pemesanan dalam upaya memenuhi tingkat kebutuhan bersih. Rencana pemesanan dilakukan pada saat material dibutuhkan dikurangi dengan waktu ancang. 4. Proses Explosion

Proses explosion adalah proses perhitungan kebutuhan kotor item yang berada di tingkat lebih bawah, didasarkan atas rencana pemesanan yang telah disusun pada proses offsetting. Dalam proses explosion ini data struktur produk dan bill of material memegang peran penting karena menentukan arah explosion item komponen. Adapun Teknik Lot Sebagai Berikut Menurut Zulian (1998) : 1. Economic Order Quantity (EOQ)

Metode ini digunakan untuk permintaan yang tidak seragam dalam beberapa periode. Rata-rata permintaan dipergunakan untuk mendapatkan ratarata jumlah bahan setiap kali pemesanan, rata-rata permintaan beberapa periode dijumlahkan selanjutnya dibagi dengan jumlah periode yang ada dan hasilnya dibulatkan ke dalam angka integer. Angka terakhir yang menunjukkan jumlah ekonomis dalam setiap kali pemesanan.

2. Titik pemesanan kembali (reorder point)

ROP adalah titik/tingkat persediaan, dimana pemesanan kembali harus dilakukan. Model persediaan sederhana mengasumsikan bahwa penerimaan suatu pesanan bersifat seketika. Artinya, model persediaan mengasumsikan bahwa suatu perusahaan akan menunggu sampai tingkat persediaannya mencapai nol, sebelum perusahaan memesan kembali dan dengan seketika kiriman yang dipesan akan diterima. Akan tetapi, waktu antara dilakukannya pemesanan atau waktu pengiriman bias cepat atau lambat, sehingga perlu ditetapkan kapan harus dilakukan pemesanan ulang. 3. Safety Stock.

Persediaan pengaman adalah tambahan persediaan dari jumlah biasanya sebesar rata-rata kondisi persediaan dan lamanya waktu tunggu. Peranan peramalan sangat penting untuk menentukan besarnya persediaan pengaman, jika peramalan dilakukan dengan tepat maka perusahaan boleh tidak mempunyai persediaan pengaman.

BAB III METODOLOGI PENELITIAN

3.1. Obyek Penelitian

Alamat KJUB PUSPETASARI, Jl.Stasiun Ceper No.1 Ceper, Klaten, Jawa tengah, Indonesia.

3.2. Data yang Dipakai

Pada penelitian ini data yang dipakai adalah : a. Data permintaan produk dari konsumen. b. Kapasitas/stok pengiriman dari perusahaan. c. Wilayah tujuan konsumen.

3.3. Observasi

Berikut adalah skema urutan proses pembuatan produk makanan ternak

nutrifeed hingga produk sampai ke konsumen.

Pemilihan bahan baku

Penimbangan bahan baku.

Pembuatan golden-Pro

Proses produksi pakan ternak

Proses penggilingan

Pembuatan slaz

Packing produk untuk agen

Pengiriman ke konsumen

selesai

Gambar 3.1. Skema alur proses produksi dan distribusi produk.

Keterangan : Proses pembuatan pakan konsentrat sapi potong di PMTN KJUB Puspetasari menggunakan alat-alat yang dikenal dengan Feed Mill. Mesin Feed Mill terdiri dar mesin penggiling (Grinder), mesin penimbang (Weigher), mesin pemutar/pemusing (Cyclone), mesin pengangkut bahan (Elevator), mesin penghembus (Blower), dan mesin pencampur (Mixer). Bahan-bahan konsentrat sapi potong sebelum masuk kedalam mesin feed mill di timbang terlebih dahulu sesuai dengan konsentrasi sapi potong di PMTN KJUB Puspetasari. Pemasukan bahan baku kedalam mesin penggiling (grinder) dilakukan secara berurutan dari bahan yang bertekstur kasar dan halus secara bersamaan dengan tujuan dapat tercampur merata saat memasuki mixer, selang waktu 20 menit slaz dimasukan ke mesin grinder, tetes dan brand polar dimasukan ke mixer agar tidak terjadi penggumpalan.dua puluh menit kemudian bahan tersebut masuk dalam elevator, selanjutnya keluar menjadi konsentrat yang siap ditampung dalam kantong plastik polyethylene. Proses Finishing, Proses ini merupakan proses yang terakhir, yaitu proses pengepakan dan penimbangan. Pengepakan konsentrat dilakukan saat konsentrat keluar lewat outlet melalui alat timbang yang ada dalam mesin feed mill, dengan bobot kurang lebih 50 kilogram yang langsung ditampung dalam karung plastik yang berlabel konsentrat BC 132 dan BC 133. setelah konsentrat ditampung dalam karung plastik maka sebelum dijahit harus ditimbang untuk mendapatkan bobot yang konstan dengan menggunakan alat timbang manual.

3.4. Teknik Pengolahan dan Analisis Data

Langkah-langkah dalam proses DRP adalah sebagai berikut: 1. Tahap pertama DRP menerima input berupa: a. Hasil peramalan penjualan yang dilakukan oleh ISL. b. Pesanan dari konsumen yang akan dikirim saat ini maupun yang akan datang. c. Persediaan yang ada saat ini yang dapat dijual oleh setiap ISL. d. Lead Time pemesanan.

e. Safety stock. f. Jumlah minimal dari produk yang harus dijual, diproduksi maupun didistribusikan. 2. Tahap kedua Begitu semua input diterima, DRP membangkitkan model berdasarkan pada waktu untuk mendukung strategi logistik dimana dengan adanya model tersebut dapat ditentukan : a. Produk apa yang diperlukan, berapa banyak dan dimana serta kapan produk tersebut diperlukan. b. Kapasitas transportasi yang diperlukan. c. Tempat, tenaga manusia dan kapasitas peralatan yang dibutuhkan oleh ISL d. Jumlah inventory yang diperlukan ISL. e. Level produksi yang diperlukan. 3. Tahap ketiga

DRP membandingkan sumber-sumber yang diperlukan dengan apa yang akan ada di masa mendatang. Dengan adanya informasi ini maka akan dapat diketahui tindakan

apa

yang

harus

dilakukan

untuk

memperlancar

atau

menunda

pembelian/pemesanan, sehingga dengan demikian dapat menyeimbangkan supply dan demand. Langkah ketiga ini mendorong integrasi dan memberikan umpan balik ke sistem kemudian menutup loop antara produksi, pembelian dan logistik maupun konsumen.

3.5. Wilayah Distribusi Produk nutrifeed

Tabel 3.1 Wilayah Distribusi Produk Nutrifeed WILAYAH

KOTA

1

Klaten, Boyolali, Karanganyar, Solo

2

Sragen, Yogyakarta, Wonogiri.

3

Tegal, Kebumen, Wonosobo, Cilacap

3.6. Kerangka Pemecahan Masalah

Pada gambar 3.6 dibawah ini, akan diperlihatkan skema metodologi penelitian yang digunakan dalam penelitian ini. Mulai

Studi Pendahuluan

Observasi

Pengolahan Data

Identifikasi Permintaan

Identifikasi Pendistribusian Produk

Pembahasan dan Analisis

Kesimpulan dan Saran

Selesai Gambar 3.6 Kerangka Pemecahan Masalah

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Hasil Produksi dan Pemasaran

Perusahaan makanan ternak KJUB Puspetasari melakukan kerjasama dengan perusahaan Corporate League of The United States of America (CLUSA). Produk yang dihasilkan antara lain makanan ternak: 1. Konsentrat BC 132 (untuk sapi potong). 2. KF. 3. Konsentrat DC 132. 4. DC 133 (untuk sapi perah). Adapun pemasaran yang dilakukan KJUB PUSPETASARI bersifat make to

order, artinya pihak pabrik memproduksi berdasarkan pesanan dari agen penjualan. Dan produk akan dikirim dengan menggunakan jasa pengiriman via ekspedisi transportasi. 4.2 Sistem Informasi

Sistem informasi yang diaplikasikan dalam perusahaan awalnya bersifat manual, hanya menggunakan telepon, untuk segala keperluan operasional perusahaan baik internal maupun eksternal. Hal tersebut dapat dilihat pada Gambar 4.1 berikut ini:

Pemasok bahan baku

KJUB

Agen penjual

Gambar 4.1 Sistem Informasi Distribusi makanan ternak

Perusahaan menerima informasi data permintaan dari agen penjualan, lalu mengirimkan data kebutuhan bahan baku

kepada pemasok bahan baku untuk

memproduksi makanan ternak, setelah produk makanan ternak selesai diproduksi, KJUB PUSPETASARI mengirimkannya kepada agen penjualan, agen penjualan mendistribusikannya kepada konsumen sesuai dengan permintaan. Untuk lebih jelasnya akan digambar tabel pendistribusian makanan ternak secara ril.

Bagian. pemasaran Mengirimkan order KJUB PUSPETASARI

Order b.baku diproses menjadi produk

Pengiriman bahan baku

Agen penjualan

Mengirimkan order produk Pengiriman produk

Pemasok bhn.baku

Gambar 4.2. Rantai pendistribusian makanan ternak.

4.3 Pengumpulan Data

Data yang dikumpulkan dalam penelitian ini adalah data permintaan makanan ternak, data waktu ancang (lead time), data biaya pemesanan, data biaya simpan.

4.3.1 Data Permintaan Makanan Ternak Periode Juli 2006-Juni 2007. Tabel 4.1 Permintaan Makanan Ternak.

Jenis Makanan Ternak (ton) Bulan

BC 132

KF

DC132

DC133

Juli 06

527,90

25,10

46.80

8,70

Agustus 06

519,20

18,25

37,65

13,70

September06

485,80

25,20

47,00

27,75

Oktober 06

431,52

24,30

30,75

25,00

November06

471,65

15,00

32,95

27,00

Desember 06

449,20

16,45

35,55

28,75

Januari 07

406,00

12,00

10,35

29,95

Februari 07

536,40

31,50

17,35

24,30

Maret 07

569,40

26,60

21,05

9,00

April 07

625,60

33,70

29,75

6,35

Mei 07

912,10

51,40

43,00

5,60

Juni 07

879,95

29,25

35,35

12,50

Total

6814,7

308,75

387,55

218,6

4.3.2 Data Waktu Ancang.

Lead time adalah selang waktu antara dimulainya pemesanan barang hingga pesanan diterima, data ini dibutuhkan untuk menetapkan kapan waktu yang tepat untuk melakukan pemesanan agar barang yang digunakan sesuai dengan waktu yang dibutuhkan. Tabel 4.2 Wilayah Distribusi Produk Nutrifeed Wilayah tujuan

Lead time

•

Solo

1 bulan

•

Semarang

1 bulan

•

Yogyakarta

1 bulan

•

Wonogiri

1 bulan

•

Wonosobo

1 bulan

•

Purbolinggo

1 bulan

•

Purworejo

1 bulan

•

Blora

1bulan

•

Demak

•

Jepara

•

Madiun

1bulan 1 bulan 1 bulan

4.3.3 Data biaya-biaya terkait. 1. Biaya pesan untuk wilayah I, II dan III:

•

Biaya transportasi / pengiriman per wilayah per kilogram Tabel 4.4 Wilayah Distribusi Produk Nutrifeed Wilayah tujuan

Biaya kirim

Wilayah 1 •

Solo

Rp 30

•

Semarang

Rp 30

•

Yogyakarta

Rp 30

•

Wonogiri

Rp 30

Wilayah 2 •

Wonosobo

Rp 45

•

Purbolinggo

Rp 45

•

Purworejo

Rp 45

Wilayah 3 •

Blora

Rp 65

•

Demak

Rp 65

•

Jepara

Rp 65

•

Madiun

Rp 65

2. Biaya-biaya terkait

Untuk mendistribusikan produk ternak KJUB ke distributor meliputi : a) Biaya pemesanan

1. Biaya pesan untuk wilayah 1 - Biaya Telepon 10 menit =

Rp.

3000

- Biaya Transportasi 5 ton = 5000kg x 30 = Rp. 150.000 + Rp. 153.000

2. Biaya pesan untuk wilayah 2 - Biaya Telepon 10 menit =

Rp.

3000

- Biaya Transportasi 5 ton = 5000kg x 45 = Rp. 225.000 + Rp. 228.000 3. Biaya pesan untuk wilayah 3 - Biaya Telepon 10 menit =

Rp. 10.000

- Biaya Transportasi 5 ton = 5000kg x 65 = Rp. 325.000 + Rp. 335.000

4.4 Pengolahan Data 4.4.1 Peramalan dan Proporsi Kebutuhan

Untuk mengetahui jumlah permintaan yang akan datang, dibuat perkiraan permintaan melalui peramalan tiap item produk dengan bantuan software Q.S dengan menggunakan sepuluh metode yaitu:

1. Double exponential smoothing. 2. Exponential smoothing with linier trend. 3. Double exponential smoothing with linier trend. 4. Adaptive exponential smoothing. 5. Linier regression 6. Winter’s model 7. Simple average. 8. Weight moving average. 9. Moving average with linier trend. 10. Single exponential smoothing.

Berdasarkan data masa lalu 12 bulan (dari juli, 2006) yang berpola random diperoleh peramalan 12 bulan hingga (juli,2007). Dengan memilih MSD terkecil sebagai parameter tingkat kesalahan, nilai tingkat kesalahan dapat dilihat pada tabel 4.5.

Tabel 4.5 Model dan hasil peramalan tiap item Item produk

Model peramalan

Msd terkecil

• Bc 132

Winters model

796.61

• Dc 132

Double exponential smoothing

120.08

• Kf

Adaptive exponential smoothing

50.09

• Dc 133

Double exponential smoothing

120.40

Tabel 4.6 Rekapitulasi Hasil Peramalan Jenis Makanan Ternak (ton) BC 132 (Winters model)

Juli 07

986.54

KF (Adaptive exponential smoothing) 30.95

Agustus 07

1084.61

30.95

36.55

14.64

September07

1121.62

30.95

36.55

15.75

Oktober 07

1091.24

30.95

36.55

16.85

November07

1296.47

30.95

36.55

17.96

Desember

1333.58

30.95

36.55

19.07

Januari 08

1294.65

30.95

36.55

20.18

Februari 08

1828.48

30.95

36.55

21.29

Maret 08

2066.24

30.95

36.55

22.40

April 08

2407.81

30.95

36.55

23.51

Mei 08

3711.16

30.95

36.55

24.62

Juni 08

3773.936

30.95

36.55

25.73

21996.33

371.4

500.6

149.88

Bulan

Total

DC132 (Double exponential.smoothing)

DC133 (Double exponential.smoothing)

36.55

13.53

Selain peramalan, dari data permintaan masa lalu dipetakan rata-rata proporsi kebutuhan tiap pelanggan untuk masing-masing item, tujuannya untuk mengetahui pembagian permintaan suatu item terhadap total pembelian bahan baku yang dilakukan KJUB terhadap pemasok bahan baku. Langkah pertama dari penyusunan DRP adalah mencari informasi jumlah, jenis dan kapan permintaan suatu item oleh pelanggan berdasarkan hasil peramalan dan prosoporsi kebutuhan. Biaya pelanggan sebagai indikator keputusan yang penting diasumsikan oleh KJUB Puspetasari. Selanjutnya sebelum melakukan perencanaan

pendistribusian produk, ditentukan jumlah produk setiap kali pelanggan melakukan pemesanan.

4.4.2

Perbandingan grafik laju permintaan tiap item produk.

A. Grafik laju permintaan produk makanan ternak tiap item tahun 2006 dan laju permintaan peramalan tahun 2007. •

BC 132

BC 132 5000,00

3773,96 3711,16

4000,00 2407,81 2066,24 1828,48

3000,00 2000,00

1296,471333,581294,65 986,54 1084,611121,621091,24

1000,00

527,90 519,25 485,80 431,52 471,65 449,20 406,00 536,40 569,40 625,60

912,10 879,950

0,00 1

2

3

4

5

6

7

8

9

10

11

12

Bulan Permintaan tahun 2006-2007

Peramalan tahun 2007-2008

Gambar 4.3. Permintaan produk BC132 tahun 2006&peramalan tahun 2007

•

KF

KF 100,00 30,95

80,00 60,00

30,95

40,00 25,10

20,00

30,95 18,25

30,95 30,95 25,20 24,30

30,95 30,95 30,95

30,95 30,95 30,95

30,95 51,40

31,50 26,60 33,70

29,25

15,00 16,45 12,00

0,00 1

2

3

4

5

6

7

8

9

10

11

12

Bulan

Permintaan tahun 2006-2007


Gambar 4.4 Permintaan produk KF tahun 2006&peramalan tahun 2007

•

DC 132

DC 132 100,00 36,51

80,00

38,40 41,24 39,35 40,30

37,46

45,03 43,14

60,00 46,80

40,00

44,08

42,19

47,00 37,65

45,98 46,92

35,55 30,75 32,95

29,75

20,00 10,35

43,00 35,35

17,35 21,05

0,00 1

2

3

4

5

6

7

8

9

10

11

12



Gambar 4.5. Permintaan produk DC 132 tahun 2006&peramalan tahun 2007

•

DC 133 DC 133

50,00 12,49 12,49 12,49 12,49 12,49 29,95 28,75 12,49 27,75 25,00 27,00 24,30 12,49

40,00 30,00 20,00

12,49

10,00

8,70

13,70

12,49 12,49 12,49 12,50 9,00 6,35 5,60 12,49

0,00 1

2

3

4

5

6

7

8

9

10

11

12

Bulan



Gambar 4.6. Permintaan produk DC 133 tahun 2006&peramalan tahun 2007

4.4.3 Perhitungan DRP untuk juli 2006 – juni 2007 2xDxS H

Q*

= EOQ =

Q

= jumlah satuan per pesanan

Q*

= EOQ

D

= kebutuhan tahunan.

S

= biaya pesan per order

H

= biaya simpan per ton per tahun.

Safety stock = 5% dari kebutuhan per hari. ROP = ( Permintaan/penggunaan perhari) x ( lead time)

=dxL

Perhitungan EOQ Wilayah 1 1. Produk BC 132

Q


Q*

= EOQ

D

= 6.814,8 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 6814,8 x 153000 175000

= 109.16 Frekuensi pembelian 12 bulan =

6814,8 = 63 109.16

Safety stock = 5% dari kebutuhan per bulan.

Total permintaan= 6814,8 ton /tahun =567.9 ton /bulan 5% x 567,9 = 28,4 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

567,9

Lead time 1 bulan Safety stock

ROP

5% dari permintaan

= (1 x 567,9) + 5%(1 x 567,9) = 567,9 + 28,4 = 596,3

Jadi produksi dilakukan kembali jika persediaan mencapai 596,3 ton

2. Produk KF

Q


Q*

= EOQ

D

= 308,75 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 308,75 x 153000 175000


308.75 = 13 23.23


Total permintaan= 308.75 ton /tahun =25.73 ton /bulan 5% x 25.73= 1.28 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

25.73

Lead time 1 bulan Safety stock ROP

5% dari permintaan

= (1 x 25.73) + 5%(1 x 25.73) = 25.73 + 1.28 = 27.01

Jadi produksi dilakukan kembali jika persediaan mencapai 27.01 ton

3. Produk DC 132

Q


Q*

= EOQ

D

= 387.55 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 387.55 x 153000 175000


387.55 = 15 26.03


Total permintaan=387.55 /tahun =32.29/bulan 5% x 32.29 = 1.61 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

32.29


5% dari permintaan

= (1 x 32.29) + 5%(1 x32.29) = 32.29+ 1.61 = 33.90


4. Produk DC 133

Q


Q*

= EOQ

D

= 218.6 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 218.6 x 153000 175000


218.6 = 12 19.55


Total permintaan= 218.6tahun =18.2/bulan 5% x 18.2 = 0.9 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

18.2


5% dari permintaan

= (1 x 18.2) + 5%(1 x 18.2) = 18.2 + 0.9 = 19.11


Wilayah 2 1.Produk BC 132

Q


Q*

= EOQ

D

= 6.814,8 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 6814,8 x 228000 175000


6814,8 = 52 133.25


Total permintaan = 6814,8/tahun =567.9/bulan 5% x 567,9 = 28,4 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

567,9


5% dari permintaan

= (1 x 567,9) + 5%(1 x 567,9) = 567,9 + 28,4 = 596,3


2. Produk KF

Q


Q*

= EOQ

D

= 308.75 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 308.75 x 228000 175000


308.75 = 11 28.36


Total permintaan= 308.75/tahun =25.73 bulan 5% x 25.73 = 1.28 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

25.73


5% dari permintaan

= (1 x 25.73) + 5%(1 x 25.73) = 25.73 + 1.28 = 27

Jadi produksi dilakukan kembali jika persediaan mencapai 27 ton

3. Produk DC132

Q


Q*

= EOQ

D

= 387.55 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 387.55 x 228000 175000

=31.77 Frekuensi pembelian 12 bulan =

387.55 = 13 31.77


Total permintaan= 387.55/tahun =32.29/bulan 5% x 32.29 = 1.61 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

32.29


5% dari permintaan

= (1 x 32.29) + 5%(1 x 32.29) = 32.29 + 1.61 = 339


4. Produk DC 133

Q


Q*

= EOQ

D

= 218.6 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 218.6 x 228000 175000

=23.86

Frekuensi pembelian 12 bulan =

218.6 = 10 23.86


Total permintaan= 218.6 /tahun =18.21/bulan 5% x 18.21 = 0.91 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

18.21


5% dari permintaan

= (1 x 18.21) + 5%(1 x 18.21) = 18.21 + 0.91 = 19.12


Wilayah 3 1. Produk BC 132

Q


Q*

= EOQ

D

= 6.814,8 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 6814,8 x335000 175000

= 161.52


6814,8 = 43 161.52


Total permintaan= 6814,8/tahun =567.9/bulan 5% x 567,9 = 28,4 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

567,9


5% dari permintaan

= (1 x 567,9) + 5%(1 x 567,9) = 567,9 + 28,4 = 596,3


2. Produk KF

Q


Q*

= EOQ

D

= 308.75 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 308.75 x335000 175000


3087,5 =9 34.38


Total permintaan= 308.75 tahun =25.72/bulan 5% x 25.72 = 1.28 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

25.72


5% dari permintaan

= (1 x 25.72) + 5%(1 x 25.72) = 25.72 + 1.28 = 27

Jadi pemesanan dilakukan kembali jika persediaan mencapai 27 ton

3. Produk DC132

Q


Q*

= EOQ

D

= 387.55 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 387.55 x 335000 175000

= 38.51


387.55 = 11 138.51


Total permintaan= 387.55tahun =32.29/bulan 5% x 32.29 = 1.61 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

32.29


5% dari permintaan

= (1 x 32.29) + 5%(1 x 32.29) = 32.29 + 1.61 = 33.9


4.Produk DC 133

Q


Q*

= EOQ

D

= 218.6 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

2xDxS H

Q* = EOQ =

2 x 218.6 x 335000 175000


218.6 =8 28.92


Total permintaan= 218.6/tahun =18.21/bulan 5% x 18.21 = 0.91 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

218.6


5% dari permintaan

= (1 x 18.21) + 5%(1 x 18.21) = 18.21 + 0.91 = 191,2


4.4.4 Perhitungan DRP untuk juli 2007 – juni 2008 ( Peramalan ) Perhitungan EOQ Wilayah 1 1. Produk BC 132

Q*

= EOQ

D

= 21996.33 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 21996.33 x 153000 175000


21996.33 = 112 196.11


Total permintaan= 21996.33ton /tahun =1833.02 ton /bulan 5% x 1833.02 = 91.65 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

1833.02


5% dari permintaan

= (1 x 1833.02) + 5%(1 x 18.02) = 1833.02+ 91.65 = 1924.67


2. Produk KF

Q


Q*

= EOQ

D

= 371.4 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 371.4 x 153000 175000


371.4 = 15 25.48



Permintaan

30.95


5% dari permintaan

= (1 x 30.95) + 5%(1 x 30.95) = 30.95 + 1.54 = 32.49


3. Produk DC 132

Q


Q*

= EOQ

D

= 500.6 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 500.6 x 153000 175000


500.6 = 17 29.58


Total permintaan=500.6 /tahun = 41.71 /bulan 5% x 41.71 = 2 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

41.71


5% dari permintaan

= (1 x 41.71) + 5%(1 x 41.71) = 41.71 + 2 = 43.71


4. Produk DC 133

Q


Q*

= EOQ

D

= 149.88 ton

S

= Rp 153000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 149.88 x 153000 175000


149.88 = 10 16.18


Total permintaan= 149.88 /tahun =12.49 /bulan 5% x 12.49 = 0.6 ROP = ( Permintaan/penggunaan per bulan) x ( lead time)

Permintaan

12.49


5% dari permintaan

= (1 x 12.49) + 5%(1 x 12.49) = 12.49 + 0.6 = 13.09


Wilayah 2 1.Produk BC 132

Q


Q*

= EOQ

D

= 21996.33 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 21996.33 x 228000 175000


21996.33 = 91 239.40



Permintaan

1833.02


5% dari permintaan

= (1 x 1833.02) + 5%(1 x 18.02) = 1833.02+ 91.65 = 1924.67


2. Produk KF

Q


Q*

= EOQ

D

= 371.4 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 371.4 x 228000 175000


371.4 = 12 31.10



Permintaan

30.95


5% dari permintaan

= (1 x 30.95) + 5%(1 x 30.95) = 30.95 + 1.54 = 32.49


3. Produk DC132

Q


Q*

= EOQ

D

= 500.6 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 500.6 x 228000 175000

=36.11 Frekuensi pembelian 12 bulan =

500.6 = 14 36.11



Permintaan

41.71


5% dari permintaan

= (1 x 41.71) + 5%(1 x 41.71) = 41.71 + 2 = 43.71


4. Produk DC 133

Q


Q*

= EOQ

D

= 149.88 ton

S

= Rp 228000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 149.88 x 228000 175000

=19.76


149.88 =8 19.76



Permintaan

12.49


5% dari permintaan

= (1 x 12.49) + 5%(1 x 12.49) = 12.49 + 0.6 = 13.09


Wilayah 3 1. Produk BC 132

Q


Q*

= EOQ

D

= 21996.33 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 21996.33 x335000 175000

= 290.19


21996.33 = 75 290.19



Permintaan

1833.02


5% dari permintaan

= (1 x 1833.02) + 5%(1 x 18.02) = 1833.02+ 91.65 = 1924.67


2. Produk KF

Q


Q*

= EOQ

D

= 371.4ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 371.4 x335000 175000


371.4 = 10 37.70



Permintaan

30.95


5% dari permintaan

= (1 x 30.95) + 5%(1 x 30.95) = 30.95 + 1.54 = 32.49


3. Produk DC132

Q


Q*

= EOQ

D

= 500.6 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

Q*

2xDxS H

= EOQ =

2 x 500.6 x 335000 175000

= 43.77


500.6 = 12 43.77



Permintaan

41.71


5% dari permintaan

= (1 x 41.71) + 5%(1 x 41.71) = 41.71 + 2 = 43.71


4.Produk DC 133

Q


Q*

= EOQ

D

= 149.88 ton

S

= Rp 335000

H

= I x P = 20% x .Rp.875000 = 175000

EOQ =

2xDxS H

Q* = EOQ =

2 x 149.88 x 335000 175000


149.88 =7 23.95



Permintaan

12.49


5% dari permintaan

= (1 x 12.49) + 5%(1 x 12.49) = 12.49 + 0.6 = 13.09


Tabel 4.7 Rekapitulasi Hasil Perhitungan Wilayah 1 Permintaan per tahun (ton) 6814.8

EOQ

ROP

SS

109.16

59.63

28.4

KF

308.75

23.23

27.01

1.28

DC 132

387.55

26.03

33.90

1.61

DC 133

218.6

19.55

19.11

0.9

21996.33

196.11

1924.67

91.65

KF

371.4

25.48

32.49

1.54

DC 132

500.6

29.58

43.71

2

DC 133

149.88

16.18

13.09

0.6

Produk BC 132

Peramalan BC 132


EOQ

ROP

SS

133.25

59.63

28.4

KF

308.75

28.36

27

1.28

DC 132

387.55

31.77

33.9

1.61

DC 133

218.6

23.86

19.12

0.91

21996.33

239.40

1924.67

91.65

KF

371.4

31.10

32.49

1.54

DC 132

500.6

36.11

43.71

2

DC 133

149.88

19.76

13.09

0.6

Produk BC 132

Peramalan BC 132


EOQ

ROP

SS

161.52

596.3

28.4

KF

308.75

34.38

27

1.28

DC 132

387.55

38.51

33.9

1.61

DC 133

218.6

28.92

19.12

0.91

21996.33

290.19

1924.67

91.65

KF

371.4

37.70

32.49

1.54

DC 132

500.6

43.77

43.71

2

DC 133

149.88

23.95

13.09

0.6

Produk BC 132

Peramalan BC 132

4.5 Analisa Data 4.5.1. Analisis Peramalan

Setelah peramalan dilakukan untuk permintaan periode berikutnya, tidak selamanya selalu tepat dengan kekuatan pasar, sebab banyak sekali faktor yang tidak terduga

di

lapangan.

Diantara

pesaing

dari

PMT

Nutrifeed

adalah

Coomfeed,Multindo Jaya dan lain-lain. Dilihat dari segi historis kedua pesaing

tersebut lebih dahulu beroperasi, sehingga pangsa pasar yang di cakup lebih luas. Laju peramalan adalah suatu kumpulan peramalan yang telah diolah dengan software QS 3.0 yang dapat disimpulkan berdasarkan nilai hasil olahan sehingga penerapan distribution resource planning akan lebih efektif dan efisien. Studi kasus penumpukan konsentrat pakan ternak di pabrik makanan ternak KJUB Puspetasari sebelum dilakukannya penerapan Distribution Resource Planning dan supply chain management terdapat penumpukan barang pada lantai produksi,

setelah dilakukannya metode tersebut, penumpukan barang dilantai produksi menjadi berkurang, hal ini merupakan suatu bukti bahwa penerapan distribution resource planning dan supply chain management sangat menguntungkan. 4.5.2 Analisis Grafik Laju Permintaan

Pada gambar 4.3 ,adalah grafik laju permintaan tahun 2006 dan peramalan permintaan tahun 2007 produk BC 132 dimana permintaan tahun 2006 hampir sama dengan peramalan permintaan tahun 2007.. Pada gambar 4.4 ,adalah grafik laju permintaan tahun 2006 dan peramalan permintaan tahun 2007 produk nutrisi KF ,dimana pada peramalan permintaan tahun 2007 ini permintaan lebih stabil dari bulan ke bulan berikutnya. Pada gambar 4.5 adalah grafik laju permintaan tahun 2006 dan peramalan tahun 2007 produk BC 132 dimana pada peramalan permintaan tahun 2007 penurunan dan kenaikan terlihat lebih cepat dari tahun sebelumnya. Pada gambar 4.6 adalah grafik laju permintaan tahun 2006 dan peramalan permintaan tahun 2007 produk BC 132 dimana permintaan tahun 2006 hampir sama dengan peramalan permintaan tahun 2007

4.5.3 Analisa DRP (Distribution Requirement Planning)

Hasil perencanaan kebutuhan produk berupa informasi mengenai kebutuhan pemesanan selama 6 bulan mendatang.Dari rencana yang telah disusun tersebut, maka KJUB Puspetasari memiliki gambaran rencana produksi dan rencana pendistribusian agar pemesan sesuai seperti yang diinginkan

Untuk memenuhi permintaan, perusahaan

menyikapinya

dengan fleksibel

dan respon yang cepat. Dengan mengetahui peramalan permintaan 12 bulan kedepan, menjadikan perusahaan dapat mengambil keputusan- keputusan strategis, mengingat kejadian-kejadian dilapangan begitu tidak terduga. Perusahaan selalu berusaha melebarkan pangsa pasarnya, memeperluas jangkauan pasar kualitas isi maupun kemasan dari produk

dengan

tujuan

nasional dengan untuk

kepuasan

konsumen. Berikut ini adalah pembahasan hasil perhitungan DRP (Distribution Requirement Planning) pada wilayah 1, wilayah 2 dan wilayah 3. 1. Wilayah 1

•

BC 132

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk BC 132 bulan juli 2006- juni 2007 adalah sebesar 6814.8 ton dengan jumlah pemesanan sebesar 109.16 ton dengan frekuensi pembelian 63 kali pesan/ tahun, dengan safety stock sebesar 28,4 ton dan produksi dilakukan kembali jika persediaan mencapai 596.3 ton. Peramalan permintaan produk BC 132 bulan juli 2007- juni 2008 adalah sebesar 6814.8 ton dengan jumlah pemesanan sebesar 109.16 ton dengan frekuensi pembelian 63 kali pesan/ tahun, dengan safety stock sebesar 29.6 ton dan produksi dilakukan kembali jika persediaan mencapai 622 ton

•

KF

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk KF bulan juli 2006- juni 2007 adalah sebesar 308.75 ton dengan jumlah pemesanan sebesar 23.23 ton dengan frekuensi pembelian 13 kali pesan/ tahun, dengan safety stock sebesar 1.28 ton dan produksi dilakukan kembali jika persediaan mencapai 27.01 ton. Peramalan permintaan produk KF bulan juli 2007- juni 2008 adalah sebesar 279.96 ton dengan jumlah pemesanan sebesar 22.1 ton dengan frekuensi pembelian 13 kali pesan/ tahun, dengan safety stock sebesar 1.1 ton dan produksi dilakukan kembali jika persediaan mencapai 24.4 ton •

DC 132

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah sebesar 387.55 ton dengan jumlah pemesanan sebesar 26.03 ton dengan frekuensi pembelian 15 kali pesan/ tahun, dengan safety stock sebesar 1.61 ton dan produksi dilakukan kembali jika persediaan mencapai 33.90 ton. Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 392.95 ton dengan jumlah pemesanan sebesar 26.21 ton dengan frekuensi pembelian 15 kali pesan/ tahun, dengan safety stock

sebesar 1.6 ton dan produksi dilakukan kembali jika persediaan mencapai 34.37 ton •

DC 133

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah sebesar 218.6 ton dengan jumlah pemesanan sebesar 19.55 ton dengan frekuensi pembelian 12 kali pesan/ tahun, dengan safety stock sebesar 0.9 ton dan produksi dilakukan kembali jika persediaan mencapai 19.11 ton. Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 219.08 ton dengan jumlah pemesanan sebesar 19.57 ton dengan frekuensi pembelian 12 kali pesan/ tahun, dengan safety stock sebesar 1 ton dan produksi dilakukan kembali jika persediaan mencapai 19.2 ton 2. Wilayah 2

•

BC 132

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk BC 132 bulan juli 2006- juni 2007 adalah sebesar 6814.8 ton dengan jumlah pemesanan sebesar 133.25 ton dengan frekuensi pembelian 52 kali pesan/ tahun, dengan safety stock sebesar 28,4 ton dan produksi dilakukan kembali jika persediaan mencapai 596.3 ton.

Peramalan permintaan produk BC 132 bulan juli 2007- juni 2008 adalah sebesar 136.10 ton dengan jumlah pemesanan sebesar 109.16 ton dengan frekuensi pembelian 52 kali pesan/ tahun, dengan safety stock sebesar 29.6 ton dan produksi dilakukan kembali jika persediaan mencapai 622 ton •

KF

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk KF bulan juli 2006- juni 2007 adalah sebesar 308.75 ton dengan jumlah pemesanan sebesar 28.36 ton dengan frekuensi pembelian 11 kali pesan/ tahun, dengan safety stock sebesar 1.28 ton dan produksi dilakukan kembali jika persediaan mencapai 27.01 ton. Peramalan permintaan produk KF bulan juli 2007- juni 2008 adalah sebesar 279.96 ton dengan jumlah pemesanan sebesar 27 ton dengan frekuensi pembelian 11 kali pesan/ tahun, dengan safety stock sebesar 1.16 ton dan produksi dilakukan kembali jika persediaan mencapai 24.49 ton •

DC 132

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah sebesar 387.55 ton dengan jumlah pemesanan sebesar 31.77 ton dengan frekuensi pembelian 13 kali pesan/ tahun, dengan safety stock sebesar

1.61 ton dan produksi dilakukan kembali jika persediaan mencapai 33.90 ton. Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 392.95 ton dengan jumlah pemesanan sebesar 31.9 ton dengan frekuensi pembelian 13 kali pesan/ tahun, dengan safety stock sebesar 1.6 ton dan produksi dilakukan kembali jika persediaan mencapai 34.37 ton •

DC 133

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah sebesar 218.6 ton dengan jumlah pemesanan sebesar 23.86 ton dengan frekuensi pembelian 10 kali pesan/ tahun, dengan safety stock sebesar 0.91 ton dan produksi dilakukan kembali jika persediaan mencapai 19.12 ton. Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 219.08 ton dengan jumlah pemesanan sebesar 23.89 ton dengan frekuensi pembelian 12 kali pesan/ tahun, dengan safety stock sebesar 1 ton dan produksi dilakukan kembali jika persediaan mencapai 19.2 ton 3. Wilayah 3

•

BC 132

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk BC 132 bulan juli 2006- juni 2007 adalah sebesar 6814.8 ton dengan jumlah pemesanan sebesar 161.52 ton dengan frekuensi pembelian 43 kali pesan/ tahun, dengan safety stock sebesar 28,4 ton dan produksi dilakukan kembali jika persediaan mencapai 596.3 ton. Peramalan permintaan produk BC 132 bulan juli 2007- juni 2008 adalah sebesar 6814.8 ton dengan jumlah pemesanan sebesar 164.9 ton dengan frekuensi pembelian 43 kali pesan/ tahun, dengan safety stock sebesar 28,4 ton dan produksi dilakukan kembali jika persediaan mencapai 596.3 ton •

KF

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk KF bulan juli 2006- juni 2007 adalah sebesar 308.75 ton dengan jumlah pemesanan sebesar 34.38 ton dengan frekuensi pembelian 9 kali pesan/ tahun, dengan safety stock sebesar 1.28 ton dan produksi dilakukan kembali jika persediaan mencapai 27.01 ton. Peramalan permintaan produk KF bulan juli 2007- juni 2008 adalah sebesar 279.96 ton dengan jumlah pemesanan sebesar 32.7 ton dengan frekuensi pembelian 9 kali pesan/ tahun, dengan safety stock

sebesar 1.1 ton dan produksi dilakukan kembali jika persediaan mencapai 24.4 ton •

DC 132

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah sebesar 387.55 ton dengan jumlah pemesanan sebesar 38.51 ton dengan frekuensi pembelian 11 kali pesan/ tahun, dengan safety stock sebesar 1.61 ton dan produksi dilakukan kembali jika persediaan mencapai 33.90 ton. Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 392.95 ton dengan jumlah pemesanan sebesar 38.78 ton dengan frekuensi pembelian 11kali pesan/ tahun, dengan safety stock sebesar 1.63 ton dan produksi dilakukan kembali jika persediaan mencapai 34.37 ton •

DC 133

Berdasarkan data masa lalu diperoleh hasil perhitungan dan peramalan sebagai berikut: Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah sebesar 218.6 ton dengan jumlah pemesanan sebesar 28.92 ton dengan frekuensi pembelian 8 kali pesan/ tahun, dengan safety stock sebesar 0.91 ton dan produksi dilakukan kembali jika persediaan mencapai 19.11 ton.

Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 219.08 ton dengan jumlah pemesanan sebesar 28.96 ton dengan frekuensi pembelian 8 kali pesan/ tahun, dengan safety stock sebesar 1 ton dan produksi dilakukan kembali jika persediaan mencapai 19.25 ton 4.5.4 Analisa SCM (supply chain management)

Setelah dilakukan peramalan, kelancaran proses inventori dan transportasi akan meningkatan hasil tambah (value creation) dari barang dan jasa yang berfokus pada efesiensi dan efektifitas aliran material, aliran mata uang, dan yang paling penting adalah informasi mengenai permintaan, sehingga meningkatkan performansi rantai pasokan secara keseluruhan. Karena supply chain merupakan rangkaian dari fasilitas, fungsi dan aktivitas perusahaan yang terlibat dalam pembuatan dan penyaluran barang atau jasa. Rangkaian tersebut

dimulai

dari

pemasok

dan

berakhir pada konsumen. Dengan analisis tersebut, dapat diketahui keuntungankeuntungan dari supply chain management yaitu mengurangi inventory barang, menjamin kelancaran penyediaan barang dan menjamin mutu.

4.5.5 Analisis perbaikan sistem informasi pendistribusian produk makanan ternak

Perusahaan

mengalami

kesulitan

dalam

pengadaan

produk

dan

pendistribusian produk karena perusahaan tidak memperhatikan proporsi permintaan yang berbeda- beda akibatnya produk apa yang diperlukan, jumlah, dan kapan

produk tersebut dikirim menjadi kurang tepat, dampaknya pemesanan bahan baku ke pemasok juga tidak terestimasi dengan baik Dengan adanya peramalan permintaan berdasarkan data penjualan tahun sebelumnya Perusahaan memiliki pandangan untuk memesan bahan baku ke pemasok, dari perhitungan dapat diketahui rata- rata permintaan, tingkat/ titik persediaan dan safety stock Sistem informasi yang sebelumnya manual sekarang lebih bersifat komputerisasi karena perusahaan sudah melakukan peramalan permintaan sehingga supply dan demand lebih seimbang. Perusahaan menerima informasi data permintaan

dari agen penjualan, lalu mengirimkan data kebutuhan bahan baku kepada pemasok bahan baku untuk memproduksi makanan ternak, setelah produk makanan ternak selesai diproduksi KJUB Puspetasari mengirimkannya kepada agen penjualan di wilayah 1, wilayah 2 dan wilayah 3, kemudian agen penjualan mendistribusikannya kepada konsumen sesuai dengan permintaan Pemesanan yang dilakukan berulang-ulang dalam satu periode akan menimbulkan biaya pemesanan yang tinggi, bila disediakan banyak maka akan menimbulkan biaya simpan yang tinggi pula, Untuk itu dalam penelitian ini penulis mencoba untuk menerapkan teknik perencanaan kebutuhan distribusi pada pabrik makanan ternak KJUB Puspetasari dengan harapan akan tersedianya informasi yang jelas dan detail mengenai rencana penjualan dimasa yang akan datang, agar pemesanan terestimasi dengan baik.

BAB V PENUTUP

5.1 Kesimpulan

Setelah melakukan pengolahan data dan pembahasan pada bab sebelumnya maka dapat diambil beberapa kesimpulan, yaitu : Jumlah permintaan di tiap-tiap wilayah pemasaran, hal ini disebabkan karena tidak menentunya permintaan pasar dan masih sedikitnya distributor tunggal khususnya di wilayah yang variabilitas permintaannya

sedikit

di

wilayah 1,

wilayah 2 dan wilayah 3. Hasil perhitungannya adalah sebagai berikut : •

Peramalan permintaan produk BC 132 bulan juli 2007- juni 2008 adalah sebesar 7109.05 ton dengan hasil economic order quantity sebesar 111.49 , reorder point sebesar 622 dan safety stock sebesar29.6

•

Peramalan permintaan produk KF bulan juli 2007- juni 2008 adalah sebesar 279.96 ton dengan hasil economic order quantity sebesar 22.1, reorder point sebesar 24.4 dan safety stock sebesar 1.1

•

Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 392.95 ton dengan hasil economic order quantity sebesar

26.21,

reorder point

sebesar 34.37dan safety stock sebesar 1.6 •

Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008 adalah sebesar 219.08 ton dengan hasil economic order quantity sebesar 19,57 , reorder point sebesar 19,2 dan safety stock sebesar 1

5.2. Saran

Perusahaan ingin memberikan pelayanan yang terbaik untuk pelanggannya, dan sebagai perusahaan dimana persediaan barang dan distribusinya menjadi aktifitas yang terpenting, maka perencanaan pembelian dan alokasi kebutuhan konsumen yang tepat waktu adalah keputusan yang vital. Dengan quick response berarti berusaha untuk mengantisipasi permintaan konsumen dengan segera, diimbangi dengan perencanaan pemesanan yang berkesinambungan, hal ini dapat dilakukan melalui simulasi perhitungn yang sistematis dan berinteraksi antara supply dan demand, dimana penggunaan DRP sangat bermanfaat untuk tujuan ini.

Guna meningkatkan omset penjualan dan pengusaan pasar, khususnya diwilayah

yang

sedikit

permintaannya diharapkan elemen bagian pemasaran

berani melakukan riset pasar Setelah menerapkan webflow pada proses bisnisnya, diharapkan perusahaan juga menerapkan manajemen bisnis terpadu dengan software navision yang bertujuan untuk fokus dalam peningkatan perusahaan dan kinerja dari rantai pasokannya.

produktifitas internal

DAFTAR PUSTAKA

Assauri, Sofjan, SE., 1984. Teknik dan Metode Peramalan, Edisi kesatu, Fakultas Ekonomi Universitas Indonesia. Aprianti, Eka, 2005, Analisisi Perencanaan Distribusi Produk Dalam Jaringan Pemasaran Dengan Pendekatan Distribution Requirement Planning (DRP), Tugas Akhir, S1, T.Industri, UII, Yogyakarta (Tidak dipublikasikan) Efendi, Bhakti, 2006, Analisisi Perencanaan Kebutuhan Produk Dengan Menggunakan Distribution Requirement Planning (DRP), Tugas Akhir, S1, T.industri, UII, Yogyakarta (Tidak dipublikasikan) Forgaty, W. donal, 1999, Production And Controll Manajement, Prentice-Hall Inc, New Jersey Franks, S, 1997, “Supply Chain Management: Do We Really Know What We Want?”, Sapics Supply Chain Paper. Indrajit, Eko Richardus., & Pranoto, Djoko., 2002. Konsep Manajemen Supply Chain, PT. Gramedia Widiasarana Indonesia, Jakarta. Indarjit, R dan pranoto, eko, R, 2002, Manajemen Supply Chain “Strategi Mengelola Manajemen Rantai Pasokan Bagi Perusahaan Modern Indonesia”PT. Grasindo Jakarta Levi, David Simchi; et al, 2000, “Designing And Managing The Supply Chain: Concept, Strategies And Case Studies”, Irwin Mc. Graw – Hill, Singapore Makridakis., & Whell Wright., Mc. GEE., 1999. Metode dan Aplikasi Peramalan, Penerbit Binarupa Aksara. Rahayu, 2001, Perencanaan Kebutuhan Distribusi Rokok Menara Filter 16 Dengan Metode Distribusi Reguirement Planning, Tugas Akhir, Teknik Industri, Universitas Muhammadiyah Surakarta Siagian M, Yolanda , 2005. Aplikasi Supply Chain Management Dalam Dunia Bisnis, edisi pertama, Jakarta: PT Grasindo. Stock, James. R & Lambert, Douglas, 2001. Strategic Logistic Management, Fourt Edition, New York: McGraw-Hill. Sipper, Daniel dan Belfin, Robert, 1997, Production :Planning, Control, And Integration, the McGraw – hill Companies, Inc, New York Viale J. David. 2000, Dasar-Dasar Manajemen Sediaan, PPM

LAMPIRAN I Ploting Data

Permintaan produk DC 132 tahun 2006-2007 dan peramalan tahun 2007-2008

DC 132 100,00 36,51

80,00

38,40

41,24 39,35 40,30

37,46

45,03

60,00 46,80

40,00

43,14 44,08

42,19

47,00 37,65

45,98 46,92

35,55 30,75 32,95 17,35 21,05

20,00 10,35

29,75

43,00 35,35

0,00 1

2

3

4

5

6

7

8

9

10

11

12



Permintaan produk KF tahun 2006-2007 dan peramalan tahun 2007-2008

KF 100,00 30,95

80,00 60,00

30,95

40,00 25,10

20,00

30,95 18,25

30,95 30,95 25,20 24,30

30,95 30,95 30,95

30,95 30,95 30,95

30,95 51,40

31,50 26,60 33,70

29,25

15,00 16,45 12,00

0,00 1

2

3

4

5

6

7

8

9

10

11

12

Bulan



Permintaan produk DC 133 tahun 2006-2007 dan peramalan tahun 2007-2008

DC 133 50,00 12,49

40,00 30,00 20,00

12,49

10,00

8,70

12,49 12,49

12,49 27,75 25,00 27,00

12,49 12,49 12,49 28,75 29,95

24,30

13,70

12,49 12,49 12,50 9,00 6,35 5,60

12,49 12,49

0,00 1

2

3

4

5

6

7

8

9

10

11

12

Bulan



Permintaan produk BC 132 tahun 2006-2007 dan peramalan tahun 2007-2008

BC 132 5000,00 3773,96 3711,16

4500,00 4000,00 3500,00

2407,81 2066,24 1828,48

3000,00 2500,00 2000,00

1296,471333,581294,65 986,54 1084,611121,621091,24

1500,00 1000,00

527,90 519,25 485,80 431,52 471,65 449,20 406,00 536,40 569,40 625,60

500,00

912,10 879,950

0,00 1

2

3

4

5

6

7

8

9

10

11



12

Rekapitulasi Hasil Perhitungan Wilayah 1 Permintaan per tahun (ton) 6814.8

EOQ

ROP

SS

109.16

59.63

28.4

KF

308.75

23.23

27.01

1.28

DC 132

387.55

26.03

33.90

1.61

DC 133

218.6

19.55

19.11

0.9

21996.33

196.11

1924.67

91.65

KF

371.4

25.48

32.49

1.54

DC 132

500.6

29.58

43.71

2

DC 133

149.88

16.18

13.09

0.6

Produk BC 132

Peramalan BC 132


EOQ

ROP

SS

133.25

59.63

28.4

KF

308.75

28.36

27

1.28

DC 132

387.55

31.77

33.9

1.61

DC 133

218.6

23.86

19.12

0.91

21996.33

239.40

1924.67

91.65

KF

371.4

31.10

32.49

1.54

DC 132

500.6

36.11

43.71

2

DC 133

149.88

19.76

13.09

0.6

Produk BC 132

Peramalan BC 132


EOQ

ROP

SS

161.52

596.3

28.4

KF

308.75

34.38

27

1.28

DC 132

387.55

38.51

33.9

1.61

DC 133

218.6

28.92

19.12

0.91

21996.33

290.19

1924.67

91.65

KF

371.4

37.70

32.49

1.54

DC 132

500.6

43.77

43.71

2

DC 133

149.88

23.95

13.09

0.6

Produk BC 132

Peramalan BC 132

LAMPIRAN II Hasil Peramalan

PERAMALAN PMT NUTRIFEED KLATEN PERAMALAN PRODUK BC 132 Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────┬────────── Historical Data for Peramalan ────────────────────────┐ │ Time │Historical Data │ ├────────────┼─────────────────────────────────────────────────────────────────┤ │ 1 │[Juli06 ] │ │ 2 │[Agust06 ] │ │ 3 │[Sept06 ] │ │ 4 │[Okt06 ] │ │ 5 │[Nop06 ] │ │ 6 │[Des06 ] │ │ 7 │[Jan07 ] │ │ 8 │[Feb07 ] │ │ 9 │[Maret07 ] │ │ 10 │[April07 ] │ │ 11 │[M i07 ] │ │ 12 │[Juni07 ] │ ├────────────┴─────────────────────────────────────────────────────────────────┤ │ < OK > < PgUp > < PgLt > < PgRt > < Help > < Print > < Cancel > │ └──────────────────────────────────────────────────────────────────────────────┘ Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:38:50 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ │ │ │ │ │ 2 │ 519.25│ 523.575│ │ │ 527.9│ 8.650024│ │ 3 │ 485.8│ 510.9833│ │ │ 523.575│ 37.77502│ │ 4 │ 431.525│ 491.1187│ │ │ 510.9833│ 79.45831│ │ 5 │ 471.65│ 487.225│ │ │ 491.1187│ 19.46875│ │ 6 │ 449.2│ 480.8875│ │ │ 487.225│ 38.02499│ │ 7 │ 406│ 470.1893│ │ │ 480.8875│ 74.88748│ │ 8 │ 536.4│ 478.4656│ │ │ 470.1893│ -66.21075│ │ 9 │ 569.4│ 488.5695│ │ │ 478.4656│ -90.93439│ │ 10 │ 625.6│ 502.2725│ │ │ 488.5695│ -137.0305│ │ 11 │ 912.1│ 539.5295│ │ │ 502.2725│ -409.8275│ │ 12 │ 879.95│ 567.8979│ │ │ 539.5295│ -340.4205│ │ 13 │ │ │ │ │ 567.8979│ │ │ 14 │ │ │ │ │ 567.8979│ │ │ 15 │ │ │ │ │ 567.8979│ │ │ 16 │ │ │ │ │ 567.8979│ │ │ 17 │ │ │ │ │ 567.8979│ │ │ 18 │ │ │ │ │ 567.8979│ │ │ 19 │ │ │ │ │ 567.8979│ │ │ 20 │ │ │ │ │ 567.8979│ │ │ 21 │ │ │ │ │ 567.8979│ │ │ 22 │ │ │ │ │ 567.8979│ │ │ 23 │ │ │ │ │ 567.8979│ │ │ 24 │ │ │ │ │ 567.8979│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Simple average: CPU Seconds = 0 │ │ MAD = 118.43 MSD = 30047.59 Bias = -71.47 R-square = 0 │ │ MAD = 118.43 MSD = 30047.59 Bias = -71.47 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for peramalan ──────────────────────┐ │ 08-02-2007 13:08:34 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ W(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ │ .5│ │ │ │ │ 2 │ 519.25│ 523.575│ .5│ │ │ │ │ 3 │ 485.8│ 502.525│ │ │ 523.575│ 37.77502│ │ 4 │ 431.525│ 458.6625│ │ │ 502.525│ 71│ │ 5 │ 471.65│ 451.5875│ │ │ 458.6625│ -12.98752│ │ 6 │ 449.2│ 460.425│ │ │ 451.5875│ 2.387482│ │ 7 │ 406│ 427.6│ │ │ 460.425│ 54.42499│ │ 8 │ 536.4│ 471.2│ │ │ 427.6│ -108.8│ │ 9 │ 569.4│ 552.9│ │ │ 471.2│ -98.20001│ │ 10 │ 625.6│ 597.5│ │ │ 552.9│ -72.69995│ │ 11 │ 912.1│ 768.85│ │ │ 597.5│ -314.6│ │ 12 │ 879.95│ 896.025│ │ │ 768.85│ -111.1│ │ 13 │ │ │ │ │ 896.025│ │ │ 14 │ │ │ │ │ 896.025│ │ │ 15 │ │ │ │ │ 896.025│ │ │ 16 │ │ │ │ │ 896.025│ │ │ 17 │ │ │ │ │ 896.025│ │ │ 18 │ │ │ │ │ 896.025│ │ │ 19 │ │ │ │ │ 896.025│ │ │ 20 │ │ │ │ │ 896.025│ │ │ 21 │ │ │ │ │ 896.025│ │ │ 22 │ │ │ │ │ 896.025│ │ │ 23 │ │ │ │ │ 896.025│ │ │ 24 │ │ │ │ │ 896.025│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Weighted moving average: CPU Seconds = 0 │ │ MAD = 88.40 MSD = 14768.68 Bias = -55.28 R-square = .50 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:40:08 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ │ │ │ │ │ │ 2 │ 519.25│ 523.575│ -8.650024│ │ │ │ │ 3 │ 485.8│ 502.525│ -33.45001│ │ 510.6│ 24.79999│ │ 4 │ 431.525│ 458.6625│ -54.27499│ │ 452.35│ 20.82498│ │ 5 │ 471.65│ 451.5875│ 40.12506│ │ 377.25│ -94.39999│ │ 6 │ 449.2│ 460.425│ -22.4498│ │ 511.7751│ 62.57504│ │ 7 │ 406│ 427.6│ -43.19977│ │ 426.7503│ 20.75031│ │ 8 │ 536.4│ 471.2│ 130.4004│ │ 362.8003│ -173.5997│ │ 9 │ 569.4│ 552.9│ 33.00049│ │ 666.8005│ 97.40051│ │ 10 │ 625.6│ 597.5│ 56.20044│ │ 602.4008│ -23.19922│ │ 11 │ 912.1│ 768.85│ 286.5005│ │ 681.8007│ -230.2993│ │ 12 │ 879.95│ 896.025│ -32.14948│ │ 1198.601│ 318.6507│ │ 13 │ │ │ │ │ 847.8008│ │ │ 14 │ │ │ │ │ 815.6514│ │ │ 15 │ │ │ │ │ 783.5018│ │ │ 16 │ │ │ │ │ 751.3524│ │ │ 17 │ │ │ │ │ 719.2029│ │ │ 18 │ │ │ │ │ 687.0535│ │ │ 19 │ │ │ │ │ 654.9039│ │ │ 20 │ │ │ │ │ 622.7545│ │ │ 21 │ │ │ │ │ 590.605│ │ │ 22 │ │ │ │ │ 558.4556│ │ │ 23 │ │ │ │ │ 526.306│ │ │ 24 │ │ │ │ │ 494.1566│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Moving average with linear trend: CPU Seconds = 0 │ │ MAD = 106.65 MSD = 20904.43 Bias = 2.35 R-square = .29 │ │ M = 2 │

└────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:41:57 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ │ │ │ │ │ 2 │ 519.25│ 520.1791│ │ │ 527.9│ 8.650024│ │ 3 │ 485.8│ 489.4925│ │ │ 520.1791│ 34.37909│ │ 4 │ 431.525│ 437.751│ │ │ 489.4925│ 57.9675│ │ 5 │ 471.65│ 468.0091│ │ │ 437.751│ -33.89896│ │ 6 │ 449.2│ 451.2202│ │ │ 468.0091│ 18.80905│ │ 7 │ 406│ 410.8569│ │ │ 451.2202│ 45.22021│ │ 8 │ 536.4│ 522.916│ │ │ 410.8569│ -125.5431│ │ 9 │ 569.4│ 564.4073│ │ │ 522.916│ -46.48407│ │ 10 │ 625.6│ 619.0275│ │ │ 564.4073│ -61.19263│ │ 11 │ 912.1│ 880.6223│ │ │ 619.0275│ -293.0724│ │ 12 │ 879.95│ 880.0222│ │ │ 880.6223│ .6723022│ │ 13 │ │ │ │ │ 880.0222│ │ │ 14 │ │ │ │ │ 880.0222│ │ │ 15 │ │ │ │ │ 880.0222│ │ │ 16 │ │ │ │ │ 880.0222│ │ │ 17 │ │ │ │ │ 880.0222│ │ │ 18 │ │ │ │ │ 880.0222│ │ │ 19 │ │ │ │ │ 880.0222│ │ │ 20 │ │ │ │ │ 880.0222│ │ │ 21 │ │ │ │ │ 880.0222│ │ │ 22 │ │ │ │ │ 880.0222│ │ │ 23 │ │ │ │ │ 880.0222│ │ │ 24 │ │ │ │ │ 880.0222│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Single exponential smoothing: CPU Seconds = 0 │ │ MAD = 65.99 MSD = 10520.28 Bias = -35.86 R-square = .61 │ │ Alpha = .89259 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:43:18 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ 0│ │ │ │ │ 2 │ 519.25│ 523.3694│ -4.519191│ │ 527.9│ 8.650024│ │ 3 │ 485.8│ 501.5397│ -21.78626│ │ 518.8503│ 33.05029│ │ 4 │ 431.525│ 454.493│ -46.98314│ │ 479.7534│ 48.22842│ │ 5 │ 471.65│ 441.1042│ -13.47323│ │ 407.5099│ -64.14011│ │ 6 │ 449.2│ 438.9281│ -2.204542│ │ 427.631│ -21.569│ │ 7 │ 406│ 420.6316│ -18.25603│ │ 436.7236│ 30.72357│ │ 8 │ 536.4│ 472.5729│ 51.76485│ │ 402.3756│ -134.0244│ │ 9 │ 569.4│ 547.9398│ 75.30759│ │ 524.3378│ -45.06226│ │ 10 │ 625.6│ 624.4796│ 76.5367│ │ 623.2474│ -2.352539│ │ 11 │ 912.1│ 811.5745│ 186.817│ │ 701.0163│ -211.0837│ │ 12 │ 879.95│ 936.356│ 124.9374│ │ 998.3915│ 118.4415│ │ 13 │ │ │ │ │ 1061.293│ │ │ 14 │ │ │ │ │ 1186.231│ │ │ 15 │ │ │ │ │ 1311.168│ │ │ 16 │ │ │ │ │ 1436.106│ │ │ 17 │ │ │ │ │ 1561.043│ │ │ 18 │ │ │ │ │ 1685.98│ │ │ 19 │ │ │ │ │ 1810.918│ │ │ 20 │ │ │ │ │ 1935.855│ │ │ 21 │ │ │ │ │ 2060.792│ │ │ 22 │ │ │ │ │ 2185.73│ │ │ 23 │ │ │ │ │ 2310.667│ │ │ 24 │ │ │ │ │ 2435.605│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 65.21 MSD = 7963.60 Bias = -21.74 R-square = .71 │ │ Alpha = .52377 Beta = .99749 Search criterion: MAD │

└────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:44:33 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ 527.9│ │ │ │ │ 2 │ 519.25│ 519.7373│ 520.1971│ │ 527.9│ 8.650024│ │ 3 │ 485.8│ 487.7118│ 489.5418│ │ 520.1971│ 34.39716│ │ 4 │ 431.525│ 434.6902│ 437.7802│ │ 489.5418│ 58.01682│ │ 5 │ 471.65│ 469.5679│ 467.7772│ │ 437.7802│ -33.86978│ │ 6 │ 449.2│ 450.3474│ 451.3293│ │ 467.7772│ 18.57718│ │ 7 │ 406│ 408.4983│ 410.9111│ │ 451.3293│ 45.32928│ │ 8 │ 536.4│ 529.1948│ 522.5314│ │ 410.9111│ -125.4889│ │ 9 │ 569.4│ 567.1351│ 564.6224│ │ 522.5314│ -46.86859│ │ 10 │ 625.6│ 622.3065│ 619.0569│ │ 564.6224│ -60.97754│ │ 11 │ 912.1│ 895.7748│ 880.1863│ │ 619.0569│ -293.0431│ │ 12 │ 879.95│ 880.8415│ 880.8046│ │ 880.1863│ .2362671│ │ 13 │ │ │ │ │ 880.8046│ │ │ 14 │ │ │ │ │ 880.8046│ │ │ 15 │ │ │ │ │ 880.8046│ │ │ 16 │ │ │ │ │ 880.8046│ │ │ 17 │ │ │ │ │ 880.8046│ │ │ 18 │ │ │ │ │ 880.8046│ │ │ 19 │ │ │ │ │ 880.8046│ │ │ 20 │ │ │ │ │ 880.8046│ │ │ 21 │ │ │ │ │ 880.8046│ │ │ 22 │ │ │ │ │ 880.8046│ │ │ 23 │ │ │ │ │ 880.8046│ │ │ 24 │ │ │ │ │ 880.8046│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing: CPU Seconds = 0 │ │ MAD = 65.95 MSD = 10518.88 Bias = -35.91 R-square = .61 │ │ Alpha = .94367 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for peramalan ──────────────────────┐ │ 08-02-2007 18:20:29 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ T(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ 527.9│ 0│ │ │ │ 2 │ 519.25│ 523.9864│ 526.1293│ -.9799877│ 527.9│ 8.650024│ │ 3 │ 485.8│ 506.7093│ 517.343│ -4.862858│ 520.8635│ 35.06348│ │ 4 │ 431.525│ 472.6929│ 497.1415│ -11.18056│ 491.2128│ 59.68784│ │ 5 │ 471.65│ 472.2211│ 485.8665│ -6.240186│ 437.0638│ -34.58618│ │ 6 │ 449.2│ 461.8054│ 474.9803│ -6.024999│ 452.3354│ 3.135437│ │ 7 │ 406│ 436.5568│ 457.596│ -9.621395│ 442.6055│ 36.60553│ │ 8 │ 536.4│ 481.7299│ 468.5151│ 6.043225│ 405.8963│ -130.5038│ │ 9 │ 569.4│ 521.3954│ 492.4403│ 13.24143│ 500.9879│ -68.41217│ │ 10 │ 625.6│ 568.5417│ 526.8716│ 19.05611│ 563.5919│ -62.00806│ │ 11 │ 912.1│ 723.9812│ 616.0519│ 49.35705│ 629.2679│ -282.8321│ │ 12 │ 879.95│ 794.5477│ 696.8105│ 44.69609│ 881.2676│ 1.317566│ │ 13 │ │ │ │ │ 936.981│ │ │ 14 │ │ │ │ │ 981.6771│ │ │ 15 │ │ │ │ │ 1026.373│ │ │ 16 │ │ │ │ │ 1071.069│ │ │ 17 │ │ │ │ │ 1115.765│ │ │ 18 │ │ │ │ │ 1160.461│ │ │ 19 │ │ │ │ │ 1205.157│ │ │ 20 │ │ │ │ │ 1249.853│ │ │ 21 │ │ │ │ │ 1294.549│ │ │ 22 │ │ │ │ │ 1339.245│ │ │ 23 │ │ │ │ │ 1383.942│ │ │ 24 │ │ │ │ │ 1428.638│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 65.71 MSD = 10269.56 Bias = -39.44 R-square = .62 │ │ Alpha = .45244 Beta = .98935 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:47:03 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │α (alpha) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ │ 0│ │ │ │ 2 │ 519.25│ 527.4675│ │ .05│ 527.9│ 8.650024│ │ 3 │ 485.8│ 523.3008│ │ .1│ 527.4675│ 41.66754│ │ 4 │ 431.525│ 509.5344│ │ .15│ 523.3008│ 91.77579│ │ 5 │ 471.65│ 501.9576│ │ .2│ 509.5344│ 37.88443│ │ 6 │ 449.2│ 488.7682│ │ .25│ 501.9576│ 52.75754│ │ 7 │ 406│ 472.2145│ │ .2│ 488.7682│ 82.76816│ │ 8 │ 536.4│ 488.2609│ │ .25│ 472.2145│ -64.18549│ │ 9 │ 569.4│ 512.6027│ │ .3│ 488.2609│ -81.1391│ │ 10 │ 625.6│ 552.1517│ │ .35│ 512.6027│ -112.9973│ │ 11 │ 912.1│ 696.131│ │ .4│ 552.1517│ -359.9482│ │ 12 │ 879.95│ 769.6586│ │ .4│ 696.131│ -183.819│ │ 13 │ │ │ │ │ 769.6586│ │ │ 14 │ │ │ │ │ 769.6586│ │ │ 15 │ │ │ │ │ 769.6586│ │ │ 16 │ │ │ │ │ 769.6586│ │ │ 17 │ │ │ │ │ 769.6586│ │ │ 18 │ │ │ │ │ 769.6586│ │ │ 19 │ │ │ │ │ 769.6586│ │ │ 20 │ │ │ │ │ 769.6586│ │ │ 21 │ │ │ │ │ 769.6586│ │ │ 22 │ │ │ │ │ 769.6586│ │ │ 23 │ │ │ │ │ 769.6586│ │ │ 24 │ │ │ │ │ 769.6586│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Adaptive exponential smoothing: CPU Seconds = 0 │ │ MAD = 101.60 MSD = 18920.63 Bias = -44.24 R-square = .30 │ │ Alpha = .40000 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:47:57 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ │ │ │ │ │ │ 2 │ 519.25│ 536.55│ -8.650024│ │ │ │ │ 3 │ 485.8│ 553.0832│ -21.04993│ │ 510.6│ 24.79999│ │ 4 │ 431.525│ 571.7625│ -32.25751│ │ 468.8835│ 37.35846│ │ 5 │ 471.65│ 547.2925│ -20.02251│ │ 410.475│ -61.17502│ │ 6 │ 449.2│ 539.945│ -16.87358│ │ 427.1575│ -22.04254│ │ 7 │ 406│ 544.4679│ -18.56965│ │ 421.83│ 15.82996│ │ 8 │ 536.4│ 509.3455│ -6.862194│ │ 395.9107│ -140.4893│ │ 9 │ 569.4│ 482.2757│ 1.258757│ │ 447.5858│ -121.8143│ │ 10 │ 625.6│ 456.1284│ 8.389847│ │ 494.8632│ -130.7368│ │ 11 │ 912.1│ 390.0042│ 24.9209│ │ 548.4167│ -363.6833│ │ 12 │ 879.95│ 358.1885│ 32.263│ │ 689.0549│ -190.8951│ │ 13 │ │ │ │ │ 777.6074│ │ │ 14 │ │ │ │ │ 809.8704│ │ │ 15 │ │ │ │ │ 842.1334│ │ │ 16 │ │ │ │ │ 874.3964│ │ │ 17 │ │ │ │ │ 906.6594│ │ │ 18 │ │ │ │ │ 938.9224│ │ │ 19 │ │ │ │ │ 971.1854│ │ │ 20 │ │ │ │ │ 1003.448│ │ │ 21 │ │ │ │ │ 1035.711│ │ │ 22 │ │ │ │ │ 1067.974│ │ │ 23 │ │ │ │ │ 1100.237│ │ │ 24 │ │ │ │ │ 1132.5│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Linear regression: CPU Seconds = 0 │ │ MAD = 110.88 MSD = 22686.41 Bias = -95.28 R-square = .23 │ │ A = 358.189 B = 32.263 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for peramalan ──────────────────────┐ │ 08-02-2007 08:18:45 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ I(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 527.9│ 527.9│ 0│ .9295685│ │ │ │ 2 │ 519.25│ 523.3694│ -4.519191│ .9143368│ 527.9│ 8.650024│ │ 3 │ 485.8│ 501.5397│ -21.78623│ .8554354│ 518.8503│ 33.05029│ │ 4 │ 431.525│ 454.4931│ -46.98311│ .7598636│ 479.7535│ 48.22849│ │ 5 │ 471.65│ 441.1043│ -13.47326│ .8305189│ 407.51│ -64.13998│ │ 6 │ 449.2│ 438.9281│ -2.204573│ .7909872│ 427.631│ -21.569│ │ 7 │ 406│ 420.6316│ -18.25603│ .7149172│ 436.7235│ 30.72354│ │ 8 │ 536.4│ 472.5729│ 51.76482│ .944536│ 402.3756│ -134.0244│ │ 9 │ 569.4│ 547.9398│ 75.30756│ 1.002645│ 524.3377│ -45.06232│ │ 10 │ 625.6│ 624.4796│ 76.5367│ 1.101606│ 623.2473│ -2.352661│ │ 11 │ 912.1│ 811.5745│ 186.8171│ 1.606098│ 701.0162│ -211.0837│ │ 12 │ 879.95│ 936.356│ 124.9374│ 1.549486│ 998.3916│ 118.4416│ │ 13 │ │ │ │ │ 986.5449│ │ │ 14 │ │ │ │ │ 1084.615│ │ │ 15 │ │ │ │ │ 1121.62│ │ │ 16 │ │ │ │ │ 1091.245│ │ │ 17 │ │ │ │ │ 1296.476│ │ │ 18 │ │ │ │ │ 1333.589│ │ │ 19 │ │ │ │ │ 1294.656│ │ │ 20 │ │ │ │ │ 1828.485│ │ │ 21 │ │ │ │ │ 2066.244│ │ │ 22 │ │ │ │ │ 2407.814│ │ │ 23 │ │ │ │ │ 3711.16│ │ │ 24 │ │ │ │ │ 3773.936│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Winter's model: CPU Seconds = 0 │ │ MAD = 65.21 MSD = 7963.61 Bias = -21.74 R-square = .71 │ │ Alpha = .52377 Beta = .99749 Gamma = .50000 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

PERAMALAN PRODUK KF Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:54:08 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.1│ │ │ │ │ │ 2 │ 18.25│ 21.675│ │ │ 25.1│ 6.85│ │ 3 │ 25.2│ 22.85│ │ │ 21.675│ -3.525002│ │ 4 │ 24.3│ 23.2125│ │ │ 22.85│ -1.449999│ │ 5 │ 15│ 21.57│ │ │ 23.2125│ 8.212502│ │ 6 │ 16.45│ 20.71667│ │ │ 21.57│ 5.120001│ │ 7 │ 12│ 19.47143│ │ │ 20.71667│ 8.716667│ │ 8 │ 31.5│ 20.975│ │ │ 19.47143│ -12.02857│ │ 9 │ 26.6│ 21.6│ │ │ 20.975│ -5.625│ │ 10 │ 33.7│ 22.81│ │ │ 21.6│ -12.1│ │ 11 │ 51.4│ 25.40909│ │ │ 22.81│ -28.59│ │ 12 │ 29.25│ 25.72917│ │ │ 25.40909│ -3.84091│ │ 13 │ │ │ │ │ 25.72917│ │ │ 14 │ │ │ │ │ 25.72917│ │ │ 15 │ │ │ │ │ 25.72917│ │ │ 16 │ │ │ │ │ 25.72917│ │ │ 17 │ │ │ │ │ 25.72917│ │ │ 18 │ │ │ │ │ 25.72917│ │ │ 19 │ │ │ │ │ 25.72917│ │ │ 20 │ │ │ │ │ 25.72917│ │ │ 21 │ │ │ │ │ 25.72917│ │ │ 22 │ │ │ │ │ 25.72917│ │ │ 23 │ │ │ │ │ 25.72917│ │ │ 24 │ │ │ │ │ 25.72917│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Simple average: CPU Seconds = 0 │ │ MAD = 8.73 MSD = 126.00 Bias = -3.48 R-square = 0 │ │ MAD = 8.73 MSD = 126.00 Bias = -3.48 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:55:45 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ W(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ │ .5│ │ │ │ │ 2 │ 18.25│ 21.675│ .5│ │ │ │ │ 3 │ 25.2│ 21.725│ │ │ 21.675│ -3.525002│ │ 4 │ 24.3│ 24.75│ │ │ 21.725│ -2.574999│ │ 5 │ 15│ 19.65│ │ │ 24.75│ 9.75│ │ 6 │ 16.45│ 15.725│ │ │ 19.65│ 3.199999│ │ 7 │ 12│ 14.225│ │ │ 15.725│ 3.725│ │ 8 │ 31.5│ 21.75│ │ │ 14.225│ -17.275│ │ 9 │ 26.6│ 29.05│ │ │ 21.75│ -4.85│ │ 10 │ 33.7│ 30.15│ │ │ 29.05│ -4.650002│ │ 11 │ 51.4│ 42.55│ │ │ 30.15│ -21.25│ │ 12 │ 29.25│ 40.325│ │ │ 42.55│ 13.3│ │ 13 │ │ │ │ │ 40.325│ │ │ 14 │ │ │ │ │ 40.325│ │ │ 15 │ │ │ │ │ 40.325│ │ │ 16 │ │ │ │ │ 40.325│ │ │ 17 │ │ │ │ │ 40.325│ │ │ 18 │ │ │ │ │ 40.325│ │ │ 19 │ │ │ │ │ 40.325│ │ │ 20 │ │ │ │ │ 40.325│ │ │ 21 │ │ │ │ │ 40.325│ │ │ 22 │ │ │ │ │ 40.325│ │ │ 23 │ │ │ │ │ 40.325│ │ │ 24 │ │ │ │ │ 40.325│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Weighted moving average: CPU Seconds = 0 │ │ MAD = 8.41 MSD = 111.03 Bias = -2.42 R-square = 0.04 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:57:30 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ │ │ │ │ │ │ 2 │ 18.25│ 21.675│ -6.85│ │ │ │ │ 3 │ 25.2│ 21.725│ 6.950005│ │ 11.4│ -13.8│ │ 4 │ 24.3│ 24.75│ -.8999901│ │ 32.15001│ 7.850006│ │ 5 │ 15│ 19.65│ -9.29998│ │ 23.40001│ 8.400013│ │ 6 │ 16.45│ 15.725│ 1.450027│ │ 5.700027│ -10.74997│ │ 7 │ 12│ 14.225│ -4.449966│ │ 17.90004│ 5.90004│ │ 8 │ 31.5│ 21.75│ 19.50004│ │ 7.550049│ -23.94995│ │ 9 │ 26.6│ 29.05│ -4.89995│ │ 51.00006│ 24.40006│ │ 10 │ 33.7│ 30.15│ 7.100054│ │ 21.70007│ -11.99993│ │ 11 │ 51.4│ 42.55│ 17.70006│ │ 40.80008│ -10.59992│ │ 12 │ 29.25│ 40.325│ -22.14994│ │ 69.10008│ 39.85008│ │ 13 │ │ │ │ │ 7.100092│ │ │ 14 │ │ │ │ │ -15.04984│ │ │ 15 │ │ │ │ │ -37.19978│ │ │ 16 │ │ │ │ │ -59.34972│ │ │ 17 │ │ │ │ │ -81.49966│ │ │ 18 │ │ │ │ │ -103.6496│ │ │ 19 │ │ │ │ │ -125.7995│ │ │ 20 │ │ │ │ │ -147.9495│ │ │ 21 │ │ │ │ │ -170.0994│ │ │ 22 │ │ │ │ │ -192.2493│ │ │ 23 │ │ │ │ │ -214.3993│ │ │ 24 │ │ │ │ │ -236.5492│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Moving average with linear trend: CPU Seconds = 0 │ │ MAD = 15.75 MSD = 348.63 Bias = 1.53 R-square = 0 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:58:20 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.1│ │ │ │ │ │ 2 │ 18.25│ 20.09247│ │ │ 25.1│ 6.85│ │ 3 │ 25.2│ 23.82621│ │ │ 20.09247│ -5.107534│ │ 4 │ 24.3│ 24.17256│ │ │ 23.82621│ -.4737873│ │ 5 │ 15│ 17.46717│ │ │ 24.17256│ 9.172564│ │ 6 │ 16.45│ 16.72359│ │ │ 17.46717│ 1.017172│ │ 7 │ 12│ 13.27052│ │ │ 16.72359│ 4.723593│ │ 8 │ 31.5│ 26.59676│ │ │ 13.27052│ -18.22948│ │ 9 │ 26.6│ 26.59913│ │ │ 26.59676│-0.0032405│ │ 10 │ 33.7│ 31.79006│ │ │ 26.59913│ -7.100872│ │ 11 │ 51.4│ 46.12545│ │ │ 31.79006│ -19.60995│ │ 12 │ 29.25│ 33.78904│ │ │ 46.12545│ 16.87545│ │ 13 │ │ │ │ │ 33.78904│ │ │ 14 │ │ │ │ │ 33.78904│ │ │ 15 │ │ │ │ │ 33.78904│ │ │ 16 │ │ │ │ │ 33.78904│ │ │ 17 │ │ │ │ │ 33.78904│ │ │ 18 │ │ │ │ │ 33.78904│ │ │ 19 │ │ │ │ │ 33.78904│ │ │ 20 │ │ │ │ │ 33.78904│ │ │ 21 │ │ │ │ │ 33.78904│ │ │ 22 │ │ │ │ │ 33.78904│ │ │ 23 │ │ │ │ │ 33.78904│ │ │ 24 │ │ │ │ │ 33.78904│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Single exponential smoothing: CPU Seconds = 0 │ │ MAD = 8.11 MSD = 112.07 Bias = -1.08 R-square = 0 │ │ Alpha = .73103 Search criterion: MAD │

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 18:59:13 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.12826│0.05650978│ │ │ │ │ 2 │ 18.25│ 18.25037│ -6.877513│ │ 25.18476│ 6.934765│ │ 3 │ 25.2│ 25.19926│ 6.948149│ │ 11.37286│ -13.82714│ │ 4 │ 24.3│ 24.30042│ -.8984218│ │ 32.14741│ 7.847408│ │ 5 │ 15│ 15.00045│ -9.299519│ │ 23.402│ 8.401997│ │ 6 │ 16.45│ 16.44942│ 1.448399│ │ 5.700932│ -10.74907│ │ 7 │ 12│ 12.00032│ -4.448793│ │ 17.89782│ 5.897823│ │ 8 │ 31.5│ 31.49872│ 19.49712│ │ 7.551522│ -23.94848│ │ 9 │ 26.6│ 26.60131│ -4.896106│ │ 50.99584│ 24.39584│ │ 10 │ 33.7│ 33.69936│ 7.097411│ │ 21.7052│ -11.9948│ │ 11 │ 51.4│ 51.39943│ 17.6995│ │ 40.79677│ -10.60323│ │ 12 │ 29.25│ 29.25213│ -22.14517│ │ 69.09894│ 39.84894│ │ 13 │ │ │ │ │ 7.106964│ │ │ 14 │ │ │ │ │ -15.0382│ │ │ 15 │ │ │ │ │ -37.18337│ │ │ 16 │ │ │ │ │ -59.32854│ │ │ 17 │ │ │ │ │ -81.47371│ │ │ 18 │ │ │ │ │ -103.6189│ │ │ 19 │ │ │ │ │ -125.7641│ │ │ 20 │ │ │ │ │ -147.9092│ │ │ 21 │ │ │ │ │ -170.0544│ │ │ 22 │ │ │ │ │ -192.1996│ │ │ 23 │ │ │ │ │ -214.3447│ │ │ 24 │ │ │ │ │ -236.4899│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 14.95 MSD = 321.34 Bias = 2.02 R-square = 0 │ │ Alpha = .99995 Beta = .99995 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:00:00 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.1│ 25.1│ │ │ │ │ 2 │ 18.25│ 22.39575│ 24.03242│ │ 25.1│ 6.85│ │ 3 │ 25.2│ 23.50282│ 23.82334│ │ 24.03242│ -1.167583│ │ 4 │ 24.3│ 23.81753│ 23.82105│ │ 23.82334│ -.4766579│ │ 5 │ 15│ 20.33654│ 22.44543│ │ 23.82105│ 8.821047│ │ 6 │ 16.45│ 18.80221│ 21.00716│ │ 22.44543│ 5.99543│ │ 7 │ 12│ 16.11683│ 19.07655│ │ 21.00716│ 9.007156│ │ 8 │ 31.5│ 22.18981│ 20.3056│ │ 19.07655│ -12.42345│ │ 9 │ 26.6│ 23.93086│ 21.73679│ │ 20.3056│ -6.294397│ │ 10 │ 33.7│ 27.78753│ 24.1255│ │ 21.73679│ -11.96321│ │ 11 │ 51.4│ 37.10928│ 29.25124│ │ 24.1255│ -27.2745│ │ 12 │ 29.25│ 34.00659│ 31.12856│ │ 29.25124│0.00124359│ │ 13 │ │ │ │ │ 31.12856│ │ │ 14 │ │ │ │ │ 31.12856│ │ │ 15 │ │ │ │ │ 31.12856│ │ │ 16 │ │ │ │ │ 31.12856│ │ │ 17 │ │ │ │ │ 31.12856│ │ │ 18 │ │ │ │ │ 31.12856│ │ │ 19 │ │ │ │ │ 31.12856│ │ │ 20 │ │ │ │ │ 31.12856│ │ │ 21 │ │ │ │ │ 31.12856│ │ │ 22 │ │ │ │ │ 31.12856│ │ │ 23 │ │ │ │ │ 31.12856│ │ │ 24 │ │ │ │ │ 31.12856│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing: CPU Seconds = 0 │ │ MAD = 8.21 MSD = 120.40 Bias = -2.63 R-square = 0 │ │ Alpha = .39478 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:00:50 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ T(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.1│ 25.1│ 0│ │ │ │ 2 │ 18.25│ 21.95355│ 23.65473│ -.8038116│ 25.1│ 6.85│ │ 3 │ 25.2│ 23.44476│ 23.55828│-0.0536385│ 19.44857│ -5.751431│ │ 4 │ 24.3│ 23.8376│ 23.68658│0.07135766│ 23.2776│ -1.022396│ │ 5 │ 15│ 19.77818│ 21.89132│ -.9984658│ 24.05998│ 9.05998│ │ 6 │ 16.45│ 18.24943│ 20.21847│ -.9303796│ 16.66658│ .2165794│ │ 7 │ 12│ 15.37885│ 17.99546│ -1.236362│ 15.35001│ 3.350014│ │ 8 │ 31.5│ 22.78386│ 20.19494│ 1.223277│ 11.52587│ -19.97412│ │ 9 │ 26.6│ 24.53675│ 22.18929│ 1.109187│ 26.59606│-0.0039424│ │ 10 │ 33.7│ 28.74575│ 25.2009│ 1.674959│ 27.9934│ -5.7066│ │ 11 │ 51.4│ 39.15165│ 31.60897│ 3.56395│ 33.96556│ -17.43444│ │ 12 │ 29.25│ 34.60347│ 32.98445│ .7649955│ 50.25827│ 21.00827│ │ 13 │ │ │ │ │ 36.98749│ │ │ 14 │ │ │ │ │ 37.75248│ │ │ 15 │ │ │ │ │ 38.51748│ │ │ 16 │ │ │ │ │ 39.28247│ │ │ 17 │ │ │ │ │ 40.04747│ │ │ 18 │ │ │ │ │ 40.81247│ │ │ 19 │ │ │ │ │ 41.57746│ │ │ 20 │ │ │ │ │ 42.34246│ │ │ 21 │ │ │ │ │ 43.10745│ │ │ 22 │ │ │ │ │ 43.87245│ │ │ 23 │ │ │ │ │ 44.63744│ │ │ 24 │ │ │ │ │ 45.40244│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 8.22 MSD = 122.84 Bias = -.86 R-square = 0 │ │ Alpha = .45934 Beta = .97213 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:01:52 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │α (alpha) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.1│ │ 0│ │ │ │ 2 │ 18.25│ 25.1│ │ 0│ 25.1│ 6.85│ │ 3 │ 25.2│ 25.1│ │ 0│ 25.1│ -.1000004│ │ 4 │ 24.3│ 25.06│ │ .05│ 25.1│ .8000011│ │ 5 │ 15│ 24.054│ │ .1│ 25.06│ 10.06│ │ 6 │ 16.45│ 22.9134│ │ .15│ 24.054│ 7.603998│ │ 7 │ 12│ 21.82206│ │ .1│ 22.9134│ 10.9134│ │ 8 │ 31.5│ 23.27375│ │ .15│ 21.82206│ -9.67794│ │ 9 │ 26.6│ 23.939│ │ .2│ 23.27375│ -3.32625│ │ 10 │ 33.7│ 26.37925│ │ .25│ 23.939│ -9.761│ │ 11 │ 51.4│ 31.3834│ │ .2│ 26.37925│ -25.02075│ │ 12 │ 29.25│ 30.95672│ │ .2│ 31.3834│ 2.133402│ │ 13 │ │ │ │ │ 30.95672│ │ │ 14 │ │ │ │ │ 30.95672│ │ │ 15 │ │ │ │ │ 30.95672│ │ │ 16 │ │ │ │ │ 30.95672│ │ │ 17 │ │ │ │ │ 30.95672│ │ │ 18 │ │ │ │ │ 30.95672│ │ │ 19 │ │ │ │ │ 30.95672│ │ │ 20 │ │ │ │ │ 30.95672│ │ │ 21 │ │ │ │ │ 30.95672│ │ │ 22 │ │ │ │ │ 30.95672│ │ │ 23 │ │ │ │ │ 30.95672│ │ │ 24 │ │ │ │ │ 30.95672│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Adaptive exponential smoothing: CPU Seconds = 0 │ │ MAD = 7.84 MSD = 105.12 Bias = -.87 R-square = 0.05 │ │ Alpha = .20000 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:02:35 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ │ │ │ │ │ │ 2 │ 18.25│ 31.95│ -6.849998│ │ │ │ │ 3 │ 25.2│ 22.75001│0.04999542│ │ 11.4│ -13.8│ │ 4 │ 24.3│ 22.07501│ .4549957│ │ 22.94999│ -1.350008│ │ 5 │ 15│ 25.81501│ -1.415002│ │ 24.34999│ 9.349991│ │ 6 │ 16.45│ 26.10667│ -1.54│ │ 17.32499│ .8749924│ │ 7 │ 12│ 27.05714│ -1.896429│ │ 15.32667│ 3.326666│ │ 8 │ 31.5│ 22.15358│ -.2619057│ │ 11.88571│ -19.61429│ │ 9 │ 26.6│ 20.64167│ .1916659│ │ 19.79642│ -6.803576│ │ 10 │ 33.7│ 18.41334│ .7993935│ │ 22.55833│ -11.14167│ │ 11 │ 51.4│ 14.01454│ 1.899091│ │ 27.20667│ -24.19334│ │ 12 │ 29.25│ 15.27349│ 1.608566│ │ 36.80364│ 7.553638│ │ 13 │ │ │ │ │ 36.18484│ │ │ 14 │ │ │ │ │ 37.79341│ │ │ 15 │ │ │ │ │ 39.40198│ │ │ 16 │ │ │ │ │ 41.01054│ │ │ 17 │ │ │ │ │ 42.61911│ │ │ 18 │ │ │ │ │ 44.22768│ │ │ 19 │ │ │ │ │ 45.83624│ │ │ 20 │ │ │ │ │ 47.44481│ │ │ 21 │ │ │ │ │ 49.05338│ │ │ 22 │ │ │ │ │ 50.66194│ │ │ 23 │ │ │ │ │ 52.27051│ │ │ 24 │ │ │ │ │ 53.87907│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Linear regression: CPU Seconds = 0 │ │ MAD = 9.80 MSD = 148.90 Bias = -5.58 R-square = 0 │ │ A = 15.273 B = 1.609 │ └────────────────────────────────────────────────────────────────────────────┘ Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for peramalan ──────────────────────┐ │ 08-02-2007 08:42:35 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ I(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 25.1│ 25.1│ 0│ .9755466│ │ │ │ 2 │ 18.25│ 20.95831│ -2.070847│ .7093118│ 25.1│ 6.85│ │ 3 │ 25.2│ 22.70419│ -.1624813│ .9794332│ 18.88746│ -6.31254│ │ 4 │ 24.3│ 23.60482│ .3690729│ .9444534│ 22.54171│ -1.758289│ │ 5 │ 15│ 18.54804│ -2.343853│ .582996│ 23.97389│ 8.973892│ │ 6 │ 16.45│ 16.35281│ -2.26954│ .6393523│ 16.20419│ -.2458153│ │ 7 │ 12│ 12.82367│ -2.899341│ .4663968│ 14.08327│ 2.083272│ │ 8 │ 31.5│ 22.96955│ 3.623272│ 1.224292│ 9.92433│ -21.57567│ │ 9 │ 26.6│ 26.59716│ 3.625441│ 1.033846│ 26.59283│-0.0071735│ │ 10 │ 33.7│ 32.32513│ 4.676703│ 1.309798│ 30.2226│ -3.477396│ │ 11 │ 51.4│ 45.70735│ 9.029463│ 1.997733│ 37.00183│ -14.39817│ │ 12 │ 29.25│ 39.32681│ 1.32446│ 1.136842│ 54.73682│ 25.48682│ │ 13 │ │ │ │ │ 39.65721│ │ │ 14 │ │ │ │ │ 29.77388│ │ │ 15 │ │ │ │ │ 42.40965│ │ │ 16 │ │ │ │ │ 42.1459│ │ │ 17 │ │ │ │ │ 26.78815│ │ │ 18 │ │ │ │ │ 30.22446│ │ │ 19 │ │ │ │ │ 22.66596│ │ │ 20 │ │ │ │ │ 61.11968│ │ │ 21 │ │ │ │ │ 52.98146│ │ │ 22 │ │ │ │ │ 68.85791│ │ │ 23 │ │ │ │ │ 107.6695│ │ │ 24 │ │ │ │ │ 62.7768│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Winter's model: CPU Seconds = 0 │ │ MAD = 8.29 MSD = 137.21 Bias = -.40 R-square = 0 │ │ Alpha = .60463 Beta = .50000 Gamma = .50000 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

PERAMALAN PRODUK DC132 Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:07:29 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 46.8│ │ │ │ │ │ 2 │ 37.65│ 42.225│ │ │ 46.8│ 9.149998│ │ 3 │ 47│ 43.81667│ │ │ 42.225│ -4.775002│ │ 4 │ 30.75│ 40.55│ │ │ 43.81667│ 13.06667│ │ 5 │ 32.95│ 39.03│ │ │ 40.55│ 7.599998│ │ 6 │ 35.55│ 38.45│ │ │ 39.03│ 3.48│ │ 7 │ 10.35│ 34.43571│ │ │ 38.45│ 28.1│ │ 8 │ 17.35│ 32.3│ │ │ 34.43571│ 17.08571│ │ 9 │ 21.05│ 31.05│ │ │ 32.3│ 11.25│ │ 10 │ 29.75│ 30.92│ │ │ 31.05│ 1.299997│ │ 11 │ 43│ 32.01818│ │ │ 30.92│ -12.08│ │ 12 │ 35.35│ 32.29583│ │ │ 32.01818│ -3.331818│ │ 13 │ │ │ │ │ 32.29583│ │ │ 14 │ │ │ │ │ 32.29583│ │ │ 15 │ │ │ │ │ 32.29583│ │ │ 16 │ │ │ │ │ 32.29583│ │ │ 17 │ │ │ │ │ 32.29583│ │ │ 18 │ │ │ │ │ 32.29583│ │ │ 19 │ │ │ │ │ 32.29583│ │ │ 20 │ │ │ │ │ 32.29583│ │ │ 21 │ │ │ │ │ 32.29583│ │ │ 22 │ │ │ │ │ 32.29583│ │ │ 23 │ │ │ │ │ 32.29583│ │ │ 24 │ │ │ │ │ 32.29583│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Simple average: CPU Seconds = 0 │ │ MAD = 10.11 MSD = 155.81 Bias = 6.44 R-square = 0 │ │ MAD = 10.11 MSD = 155.81 Bias = 6.44 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:08:40 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ W(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ │ .5│ │ │ │ │ 2 │ 37.65│ 42.225│ .5│ │ │ │ │ 3 │ 47│ 42.325│ │ │ 42.225│ -4.775002│ │ 4 │ 30.75│ 38.875│ │ │ 42.325│ 11.575│ │ 5 │ 32.95│ 31.85│ │ │ 38.875│ 5.924999│ │ 6 │ 35.55│ 34.25│ │ │ 31.85│ -3.699999│ │ 7 │ 10.35│ 22.95│ │ │ 34.25│ 23.9│ │ 8 │ 17.35│ 13.85│ │ │ 22.95│ 5.6│ │ 9 │ 21.05│ 19.2│ │ │ 13.85│ -7.199999│ │ 10 │ 29.75│ 25.4│ │ │ 19.2│ -10.55│ │ 11 │ 43│ 36.375│ │ │ 25.4│ -17.6│ │ 12 │ 35.35│ 39.175│ │ │ 36.375│ 1.025002│ │ 13 │ │ │ │ │ 39.175│ │ │ 14 │ │ │ │ │ 39.175│ │ │ 15 │ │ │ │ │ 39.175│ │ │ 16 │ │ │ │ │ 39.175│ │ │ 17 │ │ │ │ │ 39.175│ │ │ 18 │ │ │ │ │ 39.175│ │ │ 19 │ │ │ │ │ 39.175│ │ │ 20 │ │ │ │ │ 39.175│ │ │ 21 │ │ │ │ │ 39.175│ │ │ 22 │ │ │ │ │ 39.175│ │ │ 23 │ │ │ │ │ 39.175│ │ │ 24 │ │ │ │ │ 39.175│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Weighted moving average: CPU Seconds = 0 │ │ MAD = 9.19 MSD = 128.21 Bias = .42 R-square = 0 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:09:55 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ │ │ │ │ │ │ 2 │ 37.65│ 42.225│ -9.149998│ │ │ │ │ 3 │ 47│ 42.325│ 9.350006│ │ 28.5│ -18.5│ │ 4 │ 30.75│ 38.875│ -16.24998│ │ 56.35001│ 25.60001│ │ 5 │ 32.95│ 31.85│ 2.200039│ │ 14.50003│ -18.44997│ │ 6 │ 35.55│ 34.25│ 2.600052│ │ 35.15005│ -.3999443│ │ 7 │ 10.35│ 22.95│ -25.19993│ │ 38.15007│ 27.80007│ │ 8 │ 17.35│ 13.85│ 7.00008│ │ -14.8499│ -32.1999│ │ 9 │ 21.05│ 19.2│ 3.70009│ │ 24.35012│ 3.300117│ │ 10 │ 29.75│ 25.4│ 8.700104│ │ 24.75013│ -4.999866│ │ 11 │ 43│ 36.375│ 13.25011│ │ 38.45015│ -4.549847│ │ 12 │ 35.35│ 39.175│ -7.649891│ │ 56.25017│ 20.90017│ │ 13 │ │ │ │ │ 27.70016│ │ │ 14 │ │ │ │ │ 20.05027│ │ │ 15 │ │ │ │ │ 12.40038│ │ │ 16 │ │ │ │ │ 4.75049│ │ │ 17 │ │ │ │ │ -2.899401│ │ │ 18 │ │ │ │ │ -10.54929│ │ │ 19 │ │ │ │ │ -18.19918│ │ │ 20 │ │ │ │ │ -25.84907│ │ │ 21 │ │ │ │ │ -33.49896│ │ │ 22 │ │ │ │ │ -41.14886│ │ │ 23 │ │ │ │ │ -48.79874│ │ │ 24 │ │ │ │ │ -56.44864│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Moving average with linear trend: CPU Seconds = 0 │ │ MAD = 15.67 MSD = 364.13 Bias = -.15 R-square = 0 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:10:50 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 46.8│ │ │ │ │ │ 2 │ 37.65│ 41.658│ │ │ 46.8│ 9.149998│ │ 3 │ 47│ 44.66003│ │ │ 41.658│ -5.341995│ │ 4 │ 30.75│ 36.84306│ │ │ 44.66003│ 13.91003│ │ 5 │ 32.95│ 34.65529│ │ │ 36.84306│ 3.893055│ │ 6 │ 35.55│ 35.15808│ │ │ 34.65529│ -.8947105│ │ 7 │ 10.35│ 21.21677│ │ │ 35.15808│ 24.80808│ │ 8 │ 17.35│ 19.04377│ │ │ 21.21677│ 3.866768│ │ 9 │ 21.05│ 20.17121│ │ │ 19.04377│ -2.006226│ │ 10 │ 29.75│ 25.55417│ │ │ 20.17121│ -9.578794│ │ 11 │ 43│ 35.35814│ │ │ 25.55417│ -17.44583│ │ 12 │ 35.35│ 35.35357│ │ │ 35.35814│0.00814437│ │ 13 │ │ │ │ │ 35.35357│ │ │ 14 │ │ │ │ │ 35.35357│ │ │ 15 │ │ │ │ │ 35.35357│ │ │ 16 │ │ │ │ │ 35.35357│ │ │ 17 │ │ │ │ │ 35.35357│ │ │ 18 │ │ │ │ │ 35.35357│ │ │ 19 │ │ │ │ │ 35.35357│ │ │ 20 │ │ │ │ │ 35.35357│ │ │ 21 │ │ │ │ │ 35.35357│ │ │ 22 │ │ │ │ │ 35.35357│ │ │ 23 │ │ │ │ │ 35.35357│ │ │ 24 │ │ │ │ │ 35.35357│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Single exponential smoothing: CPU Seconds = 0 │ │ MAD = 8.26 MSD = 122.93 Bias = 1.85 R-square = 0 │ │ Alpha = .56197 Search criterion: MAD │ └───────────────────────────────────────────────────────────────────────────

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:11:40 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 51.87014│ 15.10375│ │ │ │ │ 2 │ 37.65│ 43.57336│ 3.4253│ │ 66.97388│ 29.32388│ │ 3 │ 47│ 46.99973│ 3.425835│ │ 46.99866│-0.0013427│ │ 4 │ 30.75│ 34.72441│ -4.4101│ │ 50.42556│ 19.67556│ │ 5 │ 32.95│ 32.4176│ -3.360419│ │ 30.31432│ -2.635685│ │ 6 │ 35.55│ 34.23846│ -.7746077│ │ 29.05718│ -6.492819│ │ 7 │ 10.35│ 15.01894│ -9.979866│ │ 33.46386│ 23.11386│ │ 8 │ 17.35│ 14.86322│ -5.076953│ │ 5.039078│ -12.31092│ │ 9 │ 21.05│ 18.77475│ -.5910925│ │ 9.786271│ -11.26373│ │ 10 │ 29.75│ 27.41363│ 4.015285│ │ 18.18366│ -11.56634│ │ 11 │ 43│ 40.66267│ 8.623554│ │ 31.42891│ -11.57109│ │ 12 │ 35.35│ 38.16508│ 3.073352│ │ 49.28622│ 13.93623│ │ 13 │ │ │ │ │ 41.23843│ │ │ 14 │ │ │ │ │ 44.31179│ │ │ 15 │ │ │ │ │ 47.38514│ │ │ 16 │ │ │ │ │ 50.45849│ │ │ 17 │ │ │ │ │ 53.53185│ │ │ 18 │ │ │ │ │ 56.6052│ │ │ 19 │ │ │ │ │ 59.67855│ │ │ 20 │ │ │ │ │ 62.7519│ │ │ 21 │ │ │ │ │ 65.82526│ │ │ 22 │ │ │ │ │ 68.89861│ │ │ 23 │ │ │ │ │ 71.97195│ │ │ 24 │ │ │ │ │ 75.0453│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 12.90 MSD = 233.70 Bias = 2.75 R-square = 0 │ │ Alpha = .79800 Beta = .49907 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:12:31 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 46.8│ 46.8│ │ │ │ │ 2 │ 37.65│ 39.06088│ 40.25421│ │ 46.8│ 9.149998│ │ 3 │ 47│ 45.77583│ 44.92443│ │ 40.25421│ -6.745789│ │ 4 │ 30.75│ 33.0669│ 34.89527│ │ 44.92443│ 14.17443│ │ 5 │ 32.95│ 32.96803│ 33.26519│ │ 34.89527│ 1.945267│ │ 6 │ 35.55│ 35.15187│ 34.86096│ │ 33.26519│ -2.284805│ │ 7 │ 10.35│ 14.17432│ 17.36409│ │ 34.86096│ 24.51096│ │ 8 │ 17.35│ 16.86033│ 16.938│ │ 17.36409│0.01408576│ │ 9 │ 21.05│ 20.40397│ 19.86954│ │ 16.938│ -4.111996│ │ 10 │ 29.75│ 28.30889│ 27.00759│ │ 19.86954│ -9.880459│ │ 11 │ 43│ 40.73471│ 38.61806│ │ 27.00759│ -15.99241│ │ 12 │ 35.35│ 36.18029│ 36.55618│ │ 38.61806│ 3.268063│ │ 13 │ │ │ │ │ 36.55618│ │ │ 14 │ │ │ │ │ 36.55618│ │ │ 15 │ │ │ │ │ 36.55618│ │ │ 16 │ │ │ │ │ 36.55618│ │ │ 17 │ │ │ │ │ 36.55618│ │ │ 18 │ │ │ │ │ 36.55618│ │ │ 19 │ │ │ │ │ 36.55618│ │ │ 20 │ │ │ │ │ 36.55618│ │ │ 21 │ │ │ │ │ 36.55618│ │ │ 22 │ │ │ │ │ 36.55618│ │ │ 23 │ │ │ │ │ 36.55618│ │ │ 24 │ │ │ │ │ 36.55618│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing: CPU Seconds = 0 │ │ MAD = 8.37 MSD = 120.08 Bias = 1.28 R-square = 0 │ │ Alpha = .84581 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:13:19 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ T(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 46.8│ 46.8│ 0│ │ │ │ 2 │ 37.65│ 43.56524│ 45.65643│ -.7411528│ 46.8│ 9.149998│ │ 3 │ 47│ 44.77951│ 45.34642│ -.2009196│ 40.73289│ -6.267105│ │ 4 │ 30.75│ 39.81972│ 43.39259│ -1.266284│ 44.01169│ 13.26169│ │ 5 │ 32.95│ 37.39109│ 41.2709│ -1.37507│ 34.98056│ 2.030563│ │ 6 │ 35.55│ 36.74022│ 39.66919│ -1.038076│ 32.13622│ -3.413784│ │ 7 │ 10.35│ 27.41059│ 35.33546│ -2.808704│ 32.77317│ 22.42317│ │ 8 │ 17.35│ 23.85391│ 31.27643│ -2.630666│ 16.67702│ -.6729755│ │ 9 │ 21.05│ 22.86266│ 28.30194│ -1.927775│ 13.80072│ -7.249274│ │ 10 │ 29.75│ 25.29751│ 27.2398│ -.6883798│ 15.49559│ -14.25441│ │ 11 │ 43│ 31.5558│ 28.76562│ .9888865│ 22.66684│ -20.33316│ │ 12 │ 35.35│ 32.89714│ 30.22622│ .9466205│ 35.33487│ -.0151329│ │ 13 │ │ │ │ │ 36.51469│ │ │ 14 │ │ │ │ │ 37.46131│ │ │ 15 │ │ │ │ │ 38.40793│ │ │ 16 │ │ │ │ │ 39.35455│ │ │ 17 │ │ │ │ │ 40.30117│ │ │ 18 │ │ │ │ │ 41.2478│ │ │ 19 │ │ │ │ │ 42.19442│ │ │ 20 │ │ │ │ │ 43.14104│ │ │ 21 │ │ │ │ │ 44.08766│ │ │ 22 │ │ │ │ │ 45.03428│ │ │ 23 │ │ │ │ │ 45.9809│ │ │ 24 │ │ │ │ │ 46.92752│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 9.01 MSD = 135.19 Bias = -.49 R-square = 0 │ │ Alpha = .35353 Beta = .99749 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:14:58 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │α (alpha) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 46.8│ │ 0│ │ │ │ 2 │ 37.65│ 46.8│ │ 0│ 46.8│ 9.149998│ │ 3 │ 47│ 46.8│ │ 0│ 46.8│ -.2000008│ │ 4 │ 30.75│ 45.9975│ │ .05│ 46.8│ 16.05│ │ 5 │ 32.95│ 44.69275│ │ .1│ 45.9975│ 13.0475│ │ 6 │ 35.55│ 43.32133│ │ .15│ 44.69275│ 9.14275│ │ 7 │ 10.35│ 36.72707│ │ .2│ 43.32133│ 32.97134│ │ 8 │ 17.35│ 31.8828│ │ .25│ 36.72707│ 19.37707│ │ 9 │ 21.05│ 29.71624│ │ .2│ 31.8828│ 10.8328│ │ 10 │ 29.75│ 29.72468│ │ .25│ 29.71624│-0.0337600│ │ 11 │ 43│ 33.70728│ │ .3│ 29.72468│ -13.27532│ │ 12 │ 35.35│ 34.20009│ │ .3│ 33.70728│ -1.642723│ │ 13 │ │ │ │ │ 34.20009│ │ │ 14 │ │ │ │ │ 34.20009│ │ │ 15 │ │ │ │ │ 34.20009│ │ │ 16 │ │ │ │ │ 34.20009│ │ │ 17 │ │ │ │ │ 34.20009│ │ │ 18 │ │ │ │ │ 34.20009│ │ │ 19 │ │ │ │ │ 34.20009│ │ │ 20 │ │ │ │ │ 34.20009│ │ │ 21 │ │ │ │ │ 34.20009│ │ │ 22 │ │ │ │ │ 34.20009│ │ │ 23 │ │ │ │ │ 34.20009│ │ │ 24 │ │ │ │ │ 34.20009│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Adaptive exponential smoothing: CPU Seconds = 0 │ │ MAD = 11.43 MSD = 214.01 Bias = 8.67 R-square = 0 │ │ Alpha = .30000 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:15:46 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ │ │ │ │ │ │ 2 │ 37.65│ 55.94997│ -9.149979│ │ │ │ │ 3 │ 47│ 43.61665│ .1000061│ │ 28.50003│ -18.49997│ │ 4 │ 30.75│ 50.24999│ -3.879997│ │ 44.01668│ 13.26668│ │ 5 │ 32.95│ 49.40998│ -3.459995│ │ 30.85001│ -2.099995│ │ 6 │ 35.55│ 47.10999│ -2.474284│ │ 28.65001│ -6.899984│ │ 7 │ 10.35│ 52.66428│ -4.557142│ │ 29.79001│ 19.44001│ │ 8 │ 17.35│ 52.37857│ -4.461904│ │ 16.20715│ -1.142853│ │ 9 │ 21.05│ 50.41666│ -3.873332│ │ 12.22143│ -8.828566│ │ 10 │ 29.75│ 46.80333│ -2.887878│ │ 11.68334│ -18.06666│ │ 11 │ 43│ 41.71909│ -1.616817│ │ 15.03667│ -27.96333│ │ 12 │ 35.35│ 39.54696│ -1.115559│ │ 22.31728│ -13.03272│ │ 13 │ │ │ │ │ 25.0447│ │ │ 14 │ │ │ │ │ 23.92914│ │ │ 15 │ │ │ │ │ 22.81359│ │ │ 16 │ │ │ │ │ 21.69803│ │ │ 17 │ │ │ │ │ 20.58247│ │ │ 18 │ │ │ │ │ 19.46691│ │ │ 19 │ │ │ │ │ 18.35135│ │ │ 20 │ │ │ │ │ 17.23579│ │ │ 21 │ │ │ │ │ 16.12023│ │ │ 22 │ │ │ │ │ 15.00467│ │ │ 23 │ │ │ │ │ 13.88912│ │ │ 24 │ │ │ │ │ 12.77356│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Linear regression: CPU Seconds = 0 │ │ MAD = 12.92 MSD = 230.56 Bias = -6.38 R-square = 0 │ │ A = 39.547 B = -1.116 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:17:57 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ I(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 46.8│ 46.84493│ 25.18897│ 1.449103│ │ │ │ 2 │ 37.65│ 37.68301│ 9.311377│ 1.165785│ 72.03391│ 34.3839│ │ 3 │ 47│ 47│ 9.313968│ 1.455296│ 46.99439│-0.0056076│ │ 4 │ 30.75│ 30.77454│ -2.490808│ .9521352│ 56.31396│ 25.56396│ │ 5 │ 32.95│ 32.94552│ -.3360472│ 1.020255│ 28.28374│ -4.666265│ │ 6 │ 35.55│ 35.54718│ 1.021811│ 1.100761│ 32.60947│ -2.940525│ │ 7 │ 10.35│ 10.37517│ -11.08544│ .3204748│ 36.56899│ 26.21899│ │ 8 │ 17.35│ 17.33266│ -2.745676│ .537221│ -.7102642│ -18.06026│ │ 9 │ 21.05│ 21.04379│ .2387772│ .6517869│ 14.58698│ -6.463015│ │ 10 │ 29.75│ 29.74187│ 4.148816│ .9211714│ 21.28257│ -8.467428│ │ 11 │ 43│ 42.99125│ 8.35526│ 1.331441│ 33.89069│ -9.109314│ │ 12 │ 35.35│ 35.36536│ .9684839│ 1.094568│ 51.34651│ 15.99651│ │ 13 │ │ │ │ │ 52.65149│ │ │ 14 │ │ │ │ │ 43.48649│ │ │ 15 │ │ │ │ │ 55.69535│ │ │ 16 │ │ │ │ │ 37.36111│ │ │ 17 │ │ │ │ │ 41.0222│ │ │ 18 │ │ │ │ │ 45.32523│ │ │ 19 │ │ │ │ │ 13.50633│ │ │ 20 │ │ │ │ │ 23.16133│ │ │ 21 │ │ │ │ │ 28.73188│ │ │ 22 │ │ │ │ │ 41.49895│ │ │ 23 │ │ │ │ │ 61.27116│ │ │ 24 │ │ │ │ │ 51.43066│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Winter's model: CPU Seconds = 0 │ │ MAD = 13.81 MSD = 302.92 Bias = 4.77 R-square = 0 │ │ Alpha = .99904 Beta = .46222 Gamma = .50000 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────

PERAMALAN PRODUK DC133 Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:21:01 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.7│ │ │ │ │ │ 2 │ 13.7│ 11.2│ │ │ 8.7│ -5│ │ 3 │ 27.75│ 16.71667│ │ │ 11.2│ -16.55│ │ 4 │ 25│ 18.7875│ │ │ 16.71667│ -8.283333│ │ 5 │ 27│ 20.43│ │ │ 18.7875│ -8.2125│ │ 6 │ 28.75│ 21.81667│ │ │ 20.43│ -8.32│ │ 7 │ 29.95│ 22.97857│ │ │ 21.81667│ -8.133335│ │ 8 │ 24.3│ 23.14375│ │ │ 22.97857│ -1.321428│ │ 9 │ 9│ 21.57222│ │ │ 23.14375│ 14.14375│ │ 10 │ 6.35│ 20.05│ │ │ 21.57222│ 15.22222│ │ 11 │ 5.6│ 18.73636│ │ │ 20.05│ 14.45│ │ 12 │ 12.5│ 18.21667│ │ │ 18.73636│ 6.236364│ │ 13 │ │ │ │ │ 18.21667│ │ │ 14 │ │ │ │ │ 18.21667│ │ │ 15 │ │ │ │ │ 18.21667│ │ │ 16 │ │ │ │ │ 18.21667│ │ │ 17 │ │ │ │ │ 18.21667│ │ │ 18 │ │ │ │ │ 18.21667│ │ │ 19 │ │ │ │ │ 18.21667│ │ │ 20 │ │ │ │ │ 18.21667│ │ │ 21 │ │ │ │ │ 18.21667│ │ │ 22 │ │ │ │ │ 18.21667│ │ │ 23 │ │ │ │ │ 18.21667│ │ │ 24 │ │ │ │ │ 18.21667│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Simple average: CPU Seconds = 0 │ │ MAD = 9.62 MSD = 113.78 Bias = -.52 R-square = 0 │ │ MAD = 9.62 MSD = 113.78 Bias = -.52 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:28:08 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ W(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ │ .5│ │ │ │ │ 2 │ 13.7│ 11.2│ .5│ │ │ │ │ 3 │ 27.75│ 20.725│ │ │ 11.2│ -16.55│ │ 4 │ 25│ 26.375│ │ │ 20.725│ -4.275│ │ 5 │ 27│ 26│ │ │ 26.375│ -.625│ │ 6 │ 28.75│ 27.875│ │ │ 26│ -2.75│ │ 7 │ 29.95│ 29.35│ │ │ 27.875│ -2.075001│ │ 8 │ 24.3│ 27.125│ │ │ 29.35│ 5.050001│ │ 9 │ 9│ 16.65│ │ │ 27.125│ 18.125│ │ 10 │ 6.35│ 7.675│ │ │ 16.65│ 10.3│ │ 11 │ 5.6│ 5.975│ │ │ 7.675│ 2.075│ │ 12 │ 12.5│ 9.05│ │ │ 5.975│ -6.525│ │ 13 │ │ │ │ │ 9.05│ │ │ 14 │ │ │ │ │ 9.05│ │ │ 15 │ │ │ │ │ 9.05│ │ │ 16 │ │ │ │ │ 9.05│ │ │ 17 │ │ │ │ │ 9.05│ │ │ 18 │ │ │ │ │ 9.05│ │ │ 19 │ │ │ │ │ 9.05│ │ │ 20 │ │ │ │ │ 9.05│ │ │ 21 │ │ │ │ │ 9.05│ │ │ 22 │ │ │ │ │ 9.05│ │ │ 23 │ │ │ │ │ 9.05│ │ │ 24 │ │ │ │ │ 9.05│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Weighted moving average: CPU Seconds = 0 │ │ MAD = 6.84 MSD = 81.14 Bias = .28 R-square = .10 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:29:05 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ │ │ │ │ │ │ 2 │ 13.7│ 11.2│ 5│ │ │ │ │ 3 │ 27.75│ 20.725│ 14.05│ │ 18.7│ -9.049999│ │ 4 │ 25│ 26.375│ -2.750002│ │ 41.8│ 16.8│ │ 5 │ 27│ 26│ 1.999998│ │ 22.25│ -4.750004│ │ 6 │ 28.75│ 27.875│ 1.749998│ │ 29│ .2499962│ │ 7 │ 29.95│ 29.35│ 1.199999│ │ 30.5│ .5499954│ │ 8 │ 24.3│ 27.125│ -5.650003│ │ 31.15│ 6.849998│ │ 9 │ 9│ 16.65│ -15.3│ │ 18.64999│ 9.649994│ │ 10 │ 6.35│ 7.675│ -2.650002│ │ -6.300002│ -12.65│ │ 11 │ 5.6│ 5.975│ -.7500029│ │ 3.699997│ -1.900003│ │ 12 │ 12.5│ 9.05│ 6.899995│ │ 4.849996│ -7.650004│ │ 13 │ │ │ │ │ 19.39999│ │ │ 14 │ │ │ │ │ 26.29999│ │ │ 15 │ │ │ │ │ 33.19999│ │ │ 16 │ │ │ │ │ 40.09998│ │ │ 17 │ │ │ │ │ 46.99997│ │ │ 18 │ │ │ │ │ 53.89997│ │ │ 19 │ │ │ │ │ 60.79996│ │ │ 20 │ │ │ │ │ 67.69996│ │ │ 21 │ │ │ │ │ 74.59995│ │ │ 22 │ │ │ │ │ 81.49995│ │ │ 23 │ │ │ │ │ 88.39995│ │ │ 24 │ │ │ │ │ 95.29994│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Moving average with linear trend: CPU Seconds = 0 │ │ MAD = 7.01 MSD = 74.93 Bias = -.19 R-square = .17 │ │ M = 2 │ └────────────────────────────────────────────────────────────────────────────┘ Modules-1 Modules-2 Input Data Solution Options Help - TSFC ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:29:50 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.7│ │ │ │ │ │ 2 │ 13.7│ 13.69703│ │ │ 8.7│ -5│ │ 3 │ 27.75│ 27.74166│ │ │ 13.69703│ -14.05297│ │ 4 │ 25│ 25.00163│ │ │ 27.74166│ 2.741659│ │ 5 │ 27│ 26.99881│ │ │ 25.00163│ -1.998373│ │ 6 │ 28.75│ 28.74896│ │ │ 26.99881│ -1.751186│ │ 7 │ 29.95│ 29.94929│ │ │ 28.74896│ -1.20104│ │ 8 │ 24.3│ 24.30335│ │ │ 29.94929│ 5.649288│ │ 9 │ 9│ 9.009082│ │ │ 24.30335│ 15.30335│ │ 10 │ 6.35│ 6.351578│ │ │ 9.009082│ 2.659082│ │ 11 │ 5.6│ 5.600446│ │ │ 6.351578│ .7515783│ │ 12 │ 12.5│ 12.4959│ │ │ 5.600446│ -6.899554│ │ 13 │ │ │ │ │ 12.4959│ │ │ 14 │ │ │ │ │ 12.4959│ │ │ 15 │ │ │ │ │ 12.4959│ │ │ 16 │ │ │ │ │ 12.4959│ │ │ 17 │ │ │ │ │ 12.4959│ │ │ 18 │ │ │ │ │ 12.4959│ │ │ 19 │ │ │ │ │ 12.4959│ │ │ 20 │ │ │ │ │ 12.4959│ │ │ 21 │ │ │ │ │ 12.4959│ │ │ 22 │ │ │ │ │ 12.4959│ │ │ 23 │ │ │ │ │ 12.4959│ │ │ 24 │ │ │ │ │ 12.4959│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Single exponential smoothing: CPU Seconds = 0 │ │ MAD = 5.27 MSD = 50.90 Bias = -.35 R-square = .40 │ │ Alpha = .99941 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:30:39 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.7│ 0│ │ │ │ │ 2 │ 13.7│ 13.69817│ .3897912│ │ 8.7│ -5│ │ 3 │ 27.75│ 27.74499│ 1.45486│ │ 14.08796│ -13.66204│ │ 4 │ 25│ 25.00154│ 1.127447│ │ 29.19985│ 4.19985│ │ 5 │ 27│ 26.99968│ 1.19535│ │ 26.12899│ -.8710117│ │ 6 │ 28.75│ 28.7498│ 1.238614│ │ 28.19503│ -.5549717│ │ 7 │ 29.95│ 29.95001│ 1.23562│ │ 29.98841│0.03841018│ │ 8 │ 24.3│ 24.30252│ .6988277│ │ 31.18563│ 6.885635│ │ 9 │ 9│ 9.00587│ -.5486093│ │ 25.00135│ 16.00135│ │ 10 │ 6.35│ 6.350773│ -.7128876│ │ 8.45726│ 2.10726│ │ 11 │ 5.6│ 5.600014│ -.7158411│ │ 5.637885│0.03788518│ │ 12 │ 12.5│ 12.49721│ -.1221247│ │ 4.884172│ -7.615828│ │ 13 │ │ │ │ │ 12.37508│ │ │ 14 │ │ │ │ │ 12.25296│ │ │ 15 │ │ │ │ │ 12.13083│ │ │ 16 │ │ │ │ │ 12.00871│ │ │ 17 │ │ │ │ │ 11.88658│ │ │ 18 │ │ │ │ │ 11.76446│ │ │ 19 │ │ │ │ │ 11.64233│ │ │ 20 │ │ │ │ │ 11.52021│ │ │ 21 │ │ │ │ │ 11.39808│ │ │ 22 │ │ │ │ │ 11.27596│ │ │ 23 │ │ │ │ │ 11.15384│ │ │ 24 │ │ │ │ │ 11.03171│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Exponential smoothing with linear trend: CPU Seconds = 0 │ │ MAD = 5.18 MSD = 54.21 Bias = .14 R-square = .36 │ │ Alpha = .99963 Beta = 0.07799 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:31:29 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.7│ 8.7│ │ │ │ │ 2 │ 13.7│ 13.69817│ 13.69633│ │ 8.7│ -5│ │ 3 │ 27.75│ 27.74485│ 27.73969│ │ 13.69633│ -14.05367│ │ 4 │ 25│ 25.00101│ 25.00201│ │ 27.73969│ 2.739693│ │ 5 │ 27│ 26.99927│ 26.99854│ │ 25.00201│ -1.997988│ │ 6 │ 28.75│ 28.74936│ 28.74871│ │ 26.99854│ -1.751465│ │ 7 │ 29.95│ 29.94956│ 29.94912│ │ 28.74871│ -1.201286│ │ 8 │ 24.3│ 24.30207│ 24.30414│ │ 29.94912│ 5.64912│ │ 9 │ 9│ 9.005613│ 9.011225│ │ 24.30414│ 15.30414│ │ 10 │ 6.35│ 6.350974│ 6.35195│ │ 9.011225│ 2.661225│ │ 11 │ 5.6│ 5.600276│ 5.600551│ │ 6.35195│ .7519498│ │ 12 │ 12.5│ 12.49747│ 12.49494│ │ 5.600551│ -6.899449│ │ 13 │ │ │ │ │ 12.49494│ │ │ 14 │ │ │ │ │ 12.49494│ │ │ 15 │ │ │ │ │ 12.49494│ │ │ 16 │ │ │ │ │ 12.49494│ │ │ 17 │ │ │ │ │ 12.49494│ │ │ 18 │ │ │ │ │ 12.49494│ │ │ 19 │ │ │ │ │ 12.49494│ │ │ 20 │ │ │ │ │ 12.49494│ │ │ 21 │ │ │ │ │ 12.49494│ │ │ 22 │ │ │ │ │ 12.49494│ │ │ 23 │ │ │ │ │ 12.49494│ │ │ 24 │ │ │ │ │ 12.49494│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing: CPU Seconds = 0 │ │ MAD = 5.27 MSD = 50.90 Bias = -.35 R-square = .40 │ │ Alpha = .99963 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:32:20 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ F'(t) │ T(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.7│ 8.7│ 0│ │ │ │ 2 │ 13.7│ 13.2162│ 12.7792│ .8376451│ 8.7│ -5│ │ 3 │ 27.75│ 26.3437│ 25.03119│ 2.515886│ 14.49083│ -13.25917│ │ 4 │ 25│ 25.13002│ 25.12045│0.01833167│ 30.17209│ 5.172094│ │ 5 │ 27│ 26.81906│ 26.6547│ .3150496│ 25.15791│ -1.842089│ │ 6 │ 28.75│ 28.56316│ 28.3785│ .3539725│ 27.29847│ -1.451532│ │ 7 │ 29.95│ 29.81581│ 29.67673│ .2665881│ 29.1018│ -.8482037│ │ 8 │ 24.3│ 24.83371│ 25.30233│ -.8982632│ 30.22147│ 5.921474│ │ 9 │ 9│ 10.53208│ 11.96127│ -2.739526│ 23.46684│ 14.46684│ │ 10 │ 6.35│ 6.754662│ 7.258458│ -.9656999│ 6.363376│0.01337623│ │ 11 │ 5.6│ 5.711726│ 5.861389│ -.2868812│ 5.285167│ -.3148332│ │ 12 │ 12.5│ 11.84316│ 11.26436│ 1.109474│ 5.275182│ -7.224818│ │ 13 │ │ │ │ │ 13.53144│ │ │ 14 │ │ │ │ │ 14.64091│ │ │ 15 │ │ │ │ │ 15.75038│ │ │ 16 │ │ │ │ │ 16.85986│ │ │ 17 │ │ │ │ │ 17.96933│ │ │ 18 │ │ │ │ │ 19.07881│ │ │ 19 │ │ │ │ │ 20.18828│ │ │ 20 │ │ │ │ │ 21.29776│ │ │ 21 │ │ │ │ │ 22.40723│ │ │ 22 │ │ │ │ │ 23.5167│ │ │ 23 │ │ │ │ │ 24.62618│ │ │ 24 │ │ │ │ │ 25.73565│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Double exponential smoothing with linear trend: CPU Seconds = .05 │ │ MAD = 5.05 MSD = 48.22 Bias = -.40 R-square = .43 │ │ Alpha = .90324 Beta = .47121 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:33:15 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ │α (alpha) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.7│ │ 0│ │ │ │ 2 │ 13.7│ 8.95│ │ .05│ 8.7│ -5│ │ 3 │ 27.75│ 10.83│ │ .1│ 8.95│ -18.8│ │ 4 │ 25│ 12.9555│ │ .15│ 10.83│ -14.17│ │ 5 │ 27│ 15.7644│ │ .2│ 12.9555│ -14.0445│ │ 6 │ 28.75│ 19.0108│ │ .25│ 15.7644│ -12.9856│ │ 7 │ 29.95│ 22.29256│ │ .3│ 19.0108│ -10.9392│ │ 8 │ 24.3│ 22.79442│ │ .25│ 22.29256│ -2.007439│ │ 9 │ 9│ 18.65609│ │ .3│ 22.79442│ 13.79442│ │ 10 │ 6.35│ 14.34896│ │ .35│ 18.65609│ 12.30609│ │ 11 │ 5.6│ 11.72427│ │ .3│ 14.34896│ 8.74896│ │ 12 │ 12.5│ 11.95699│ │ .3│ 11.72427│ -.7757273│ │ 13 │ │ │ │ │ 11.95699│ │ │ 14 │ │ │ │ │ 11.95699│ │ │ 15 │ │ │ │ │ 11.95699│ │ │ 16 │ │ │ │ │ 11.95699│ │ │ 17 │ │ │ │ │ 11.95699│ │ │ 18 │ │ │ │ │ 11.95699│ │ │ 19 │ │ │ │ │ 11.95699│ │ │ 20 │ │ │ │ │ 11.95699│ │ │ 21 │ │ │ │ │ 11.95699│ │ │ 22 │ │ │ │ │ 11.95699│ │ │ 23 │ │ │ │ │ 11.95699│ │ │ 24 │ │ │ │ │ 11.95699│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Adaptive exponential smoothing: CPU Seconds = 0 │ │ MAD = 10.32 MSD = 135.24 Bias = -3.99 R-square = 0 │ │ Alpha = .30000 │ └────────────────────────────────────────────────────────────────────────────┘

┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:34:00 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ │ │ │ │ │ │ 2 │ 13.7│ 3.700003│ 4.999998│ │ │ │ │ 3 │ 27.75│ -2.333328│ 9.524998│ │ 18.7│ -9.050003│ │ 4 │ 25│ 3.049999│ 6.295001│ │ 35.76666│ 10.76666│ │ 5 │ 27│ 6.06│ 4.79│ │ 34.525│ 7.525002│ │ 6 │ 28.75│ 8.076666│ 3.925714│ │ 34.8│ 6.049999│ │ 7 │ 29.95│ 9.678565│ 3.325001│ │ 35.55666│ 5.606663│ │ 8 │ 24.3│ 12.67321│ 2.326787│ │ 36.27858│ 11.97858│ │ 9 │ 9│ 18.14305│ .6858342│ │ 33.61429│ 24.61429│ │ 10 │ 6.35│ 21.87333│ -.3315149│ │ 25.00139│ 18.65139│ │ 11 │ 5.6│ 24.16909│ -.9054549│ │ 18.22667│ 12.62667│ │ 12 │ 12.5│ 24.30303│ -.9363639│ │ 13.30363│ .8036346│ │ 13 │ │ │ │ │ 12.1303│ │ │ 14 │ │ │ │ │ 11.19394│ │ │ 15 │ │ │ │ │ 10.25757│ │ │ 16 │ │ │ │ │ 9.321209│ │ │ 17 │ │ │ │ │ 8.384845│ │ │ 18 │ │ │ │ │ 7.448481│ │ │ 19 │ │ │ │ │ 6.512116│ │ │ 20 │ │ │ │ │ 5.575752│ │ │ 21 │ │ │ │ │ 4.639388│ │ │ 22 │ │ │ │ │ 3.703024│ │ │ 23 │ │ │ │ │ 2.76666│ │ │ 24 │ │ │ │ │ 1.830296│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Linear regression: CPU Seconds = 0 │ │ MAD = 10.77 MSD = 157.98 Bias = 8.96 R-square = 0 │ │ A = 24.303 B = -.936 │ └────────────────────────────────────────────────────────────────────────────┘ ┌────────────────────── Forecast Results for Peramalan ──────────────────────┐ │ 08-01-2007 19:34:55 Page: 1 of 2 │ ├──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┤ │ Period │ Actual │ F(t) │ T(t) │ I(t) │ Forecast │ Error │ ├──────────┼──────────┼──────────┼──────────┼──────────┼──────────┼──────────┤ │ 1 │ 8.7│ 8.705163│ 6.650388│ .4775846│ │ │ │ 2 │ 13.7│ 13.70098│ 6.26036│ .7520585│ 15.35555│ 1.655551│ │ 3 │ 27.75│ 27.74538│ 8.095271│ 1.52333│ 19.96134│ -7.788658│ │ 4 │ 25│ 25.00643│ 5.541348│ 1.37237│ 35.84065│ 10.84065│ │ 5 │ 27│ 27.00211│ 4.705535│ 1.482159│ 30.54778│ 3.547783│ │ 6 │ 28.75│ 28.75175│ 4.008751│ 1.578225│ 31.70764│ 2.957642│ │ 7 │ 29.95│ 29.95167│ 3.346632│ 1.644099│ 32.76051│ 2.810505│ │ 8 │ 24.3│ 24.30534│ 1.226743│ 1.333943│ 33.2983│ 8.998302│ │ 9 │ 9│ 9.009811│ -2.66801│ .4940531│ 25.53208│ 16.53208│ │ 10 │ 6.35│ 6.349995│ -2.666079│ .3485819│ 6.341801│-0.0081987│ │ 11 │ 5.6│ 5.598863│ -2.214673│ .3074108│ 3.683916│ -1.916084│ │ 12 │ 12.5│ 12.49459│-0.0671014│ .6861848│ 3.384189│ -9.11581│ │ 13 │ │ │ │ │ 5.935177│ │ │ 14 │ │ │ │ │ 9.295734│ │ │ 15 │ │ │ │ │ 18.72673│ │ │ 16 │ │ │ │ │ 16.77884│ │ │ 17 │ │ │ │ │ 18.0217│ │ │ 18 │ │ │ │ │ 19.08387│ │ │ 19 │ │ │ │ │ 19.77009│ │ │ 20 │ │ │ │ │ 15.951│ │ │ 21 │ │ │ │ │ 5.874625│ │ │ 22 │ │ │ │ │ 4.121484│ │ │ 23 │ │ │ │ │ 3.614067│ │ │ 24 │ │ │ │ │ 8.02107│ │ ├──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┤ │ Winter's model: CPU Seconds = 0 │ │ MAD = 6.02 MSD = 59.20 Bias = 2.59 R-square = .30 │ │ Alpha = .99941 Beta = .23573 Gamma = .50000 Search criterion: MAD │ └────────────────────────────────────────────────────────────────────────────┘

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SURAKARTA 2008

Recommend Documents