25
Pengumpulan dan Pengolahan Data BAB V PENGUMPULAN DAN PENGOLAHAN DATA 5.1 Pengumpulan Data Berdasarkan data penjualan Shewing Thread di CV. Tjiptorini pada bulan September 2000 sampai dengan bulan Agustus 2002 maka diperoleh data Demand shewing Thread seperti pada Tabel 5.1. Tabel 5.1 Jumlah Permintaan Agregat Period e Demand (unit) Demand Agregat (menit) Demand Agregat Produk A Produk B Produk A Produk B 1 18182 18333 8080.888 9 8799.84 16880.72889 2 15152 16111 6734.222 2 7733.28 14467.50222 3 19394 19444 8619.555 6 9333.12 17952.67556 4 18182 14444 8080.888 9 6933.12 15014.00889 5 20606 16667 9158.222 2 8000.16 17158.38222 6 19394 15556 8619.555 6 7466.88 16086.43556 7 20000 18333 8888.888 9 8799.84 17688.72889 8 16364 15556 7272.888 9 7466.88 14739.76889 9 18788 16111 8350.222 2 7733.28 16083.50222 10 16970 15000 7542.222 2 7200 14742.22222 11 17576 15556 7811.555 7466.88 15278.43556 30

BAB V hal 30-43

Embed Size (px)

Citation preview

Page 1: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1 Pengumpulan Data

Berdasarkan data penjualan Shewing Thread di CV. Tjiptorini pada bulan

September 2000 sampai dengan bulan Agustus 2002 maka diperoleh data

Demand shewing Thread seperti pada Tabel 5.1.

Tabel 5.1 Jumlah Permintaan Agregat

Periode Demand (unit)Demand Agregat (menit)

Demand Agregat

Produk A Produk B Produk A Produk B1 18182 18333 8080.8889 8799.84 16880.728892 15152 16111 6734.2222 7733.28 14467.502223 19394 19444 8619.5556 9333.12 17952.675564 18182 14444 8080.8889 6933.12 15014.008895 20606 16667 9158.2222 8000.16 17158.382226 19394 15556 8619.5556 7466.88 16086.435567 20000 18333 8888.8889 8799.84 17688.728898 16364 15556 7272.8889 7466.88 14739.768899 18788 16111 8350.2222 7733.28 16083.5022210 16970 15000 7542.2222 7200 14742.2222211 17576 15556 7811.5556 7466.88 15278.4355612 18182 16667 8080.8889 8000.16 16081.0488913 20000 16111 8888.8889 7733.28 16622.1688914 18182 15000 8080.8889 7200 15280.8888915 16364 18333 7272.8889 8799.84 16072.7288916 18788 13889 8350.2222 6666.72 15016.9422217 18788 16111 8350.2222 7733.28 16083.5022218 19394 16667 8619.5556 8000.16 16619.7155619 16970 18333 7542.2222 8799.84 16342.0622220 20000 20000 8888.8889 9600 18488.8888921 17576 16667 7811.5556 8000.16 15811.7155622 20606 20606 9158.2222 9890.88 19049.1022223 18182 15556 8080.8889 7466.88 15547.7688924 19394 17222 8619.5556 8266.56 16886.11556

Keterangan :

Produk A = Benang Sewing Thread 20’S rangkap 6 dengan ukuran 1 unit

sama dengan 840 meter.

30

Page 2: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

Produk B = Benang Sewing Thread 20’S rangkap 6 dengan ukuran 1 unit

sama dengan 914 meter.

Waktu siklus produksi A = 0.44 menit

Waktu siklus produksi B = 0.48 menit

Contoh perhitungan :

Demand agregat produk A (periode 1) = 18182 unit x 0.44menit = 8080.8889

menit.

Demand agregat produk B (periode 1) = 18333unit x 0.48 menit = 8799.84

menit.

Jumlah agregat periode I = 8080.8889 + 8799.84 = 16880.72889 menit.

5.2 Pengolahan Data

5.2.1 Identifikasi Pola Historis dari Data Aktual Permintaan

Selanjutnya dari data demand tersebut akan diramalkan demand untuk

12 periode ke depan, yang nantinya akan digunakan untuk menentukan

kebutuhan bahan baku .Sebelum memilih suatu model peramalan

tertentu, pola historis dari data aktual permintaan diidentifikasi dengan

grafik data permintaan aktual seperti pada Gambar 5.1

Gambar 5.1 Grafik permintaan agregat

Dari grafik diketahui bahwa pola historis dari data aktual

permintaan produk Sewing Thread selama periode September 2000 –

Agustus 2002 tidak membentuk kecenderungan (trend line), dengan

31

Page 3: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

demikian model peramalan yang mempertimbangkan kecenderungan

(trend) tidak perlu dipertimbangkan. Karena pola data tidak membentuk

kecenderungan, maka model peramalan yang dipertimbangkan adalah :

Model Rata-rata Bergerak Terbobot (Weighted Moving Average

model)

Model Single Eksponensial Smoothing

Model Double Eksponensial Smoothing

Model Adaptive Eksponensial Smoothing

Model Liniear Regresion

Model Winter.

5.2.2 Perhitungan Metode Peramalan Menggunakan QS 3.0 dan

Penentuan Metode Peramalan Terbaik Menggunakan Tracking

Signal

Dengan menggunakan software QS 3.0 dilakukan peramalan untuk 12

periode ke depan, hasil perhitungan selengkapnya dari peramalan

dengan Software QS 3.0 ditampilkan dalam Lampiran 2. Dari metode-

metode yang digunakan akan dipilih metode terbaik yang hasil

peramalannya akan digunakan untuk langkah perhitungan selanjutnya.

Peramalan terbaik dipilih dengan melihat hasil Tracking Signal serta

dengan melihat perbandingan pola antara Demand Aktual dan Demand

Forecast.

Pemilihan metode peramalan terbaik menggunakan metode

Tracking Signal karena perhitungannya lebih sederhana dan tingkat

kesalahannya lebih kecil. Jika menggunakan metode Ukuran-ukuran

kesalahan peramalan yang mempunyai 8 ukuran yaitu Mean Error,

Mean Absolute Error, Sum of Square Error, Mean Squared Error,

Standard Deviation Error, Percentage Error, Mean Percentage Error

dan Mean Absolute Percentage Error, perhitungan dan proses

pemilihan metode peramalan terbaiknya lebih rumit. Karena ada

kemungkinan suatu metode peramalan mempunyai jumlah error

terkecil paling banyak dan sekaligus jumlah error terbesar paling

32

Page 4: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

banyak pula sehingga perhitungan error dapat disederhanakan dengan

menggunakan Tracking Signal agar penentuan metode peramalan

terbaik dapat lebih akurat.

Berikut ditampilkan perbandingan pola Demand Aktual dan Demand

Forecast serta perhitungan Tracking Signal untuk semua metode

peramalan yang digunakan. Hasil-hasil pengolahan data ditunjukkan

pada Tabel 5.2 hingga Tabel 5.25 dan Gambar 5.2 hingga Gambar

5.25.

Weighted Moving Average

1. Weighted Moving Average 3 Periode (bulan)

Tabel 5.2 Hasil peramalan WMA 3 PeriodePeriode A F Error

1 16880.732 14467.53 17952.684 15014.01 16433.64 -1419.635 17158.38 15811.4 1346.986 16086.44 16708.36 -621.927 17688.73 16086.28 1602.458 14739.77 16977.85 -2238.089 16083.5 16171.65 -88.1510 14742.22 16170.67 -1428.4511 15278.44 15188.5 89.9412 16081.05 15368.05 71313 16622.17 15367.24 1254.9314 15280.89 15993.89 -71315 16072.73 15994.7 78.0316 15016.94 15991.93 -974.9917 16083.5 15456.85 626.6518 16619.71 15724.39 895.3219 16342.06 15906.72 435.3420 18488.88 16348.42 2140.4621 15811.71 17150.22 -1338.5122 19049.1 16880.88 2168.2223 15547.76 17783.23 -2235.4724 16886.11 16802.86 83.25

33

Page 5: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

Contoh perhitungan:Rumus:

Forecast untuk periode ke-24W=Weight = 0.3333333

Tabel 5.3 Perhitungan Tracking Signal

Periode F A Error RSFEAbs

errorKum Abs

Error MADTracking

Signal1 16880.73 02 14467.5 03 17952.68 04 16433.64 15014.01 -1419.63 -1419.63 1419.63 1419.63 1419.63 -15 15811.4 17158.38 1346.98 -72.65 1346.98 2766.61 1383.305 -0.0525196 16708.36 16086.44 -621.92 -694.57 621.92 3388.53 1129.51 -0.614937 16086.28 17688.73 1602.45 907.88 1602.45 4990.98 1247.745 0.7276178 16977.85 14739.77 -2238.08 -1330.2 2238.08 7229.06 1445.812 -0.9200379 16171.65 16083.5 -88.15 -1418.35 88.15 7317.21 1219.535 -1.16302510 16170.67 14742.22 -1428.45 -2846.8 1428.45 8745.66 1249.38 -2.2785711 15188.5 15278.44 89.94 -2756.86 89.94 8835.6 1104.45 -2.49613812 15368.05 16081.05 713 -2043.86 713 9548.6 1060.956 -1.92643313 15367.24 16622.17 1254.93 -788.93 1254.93 10803.53 1080.353 -0.73025214 15993.89 15280.89 -713 -1501.93 713 11516.53 1046.957 -1.43456715 15994.7 16072.73 78.03 -1423.9 78.03 11594.56 966.2133 -1.47369116 15991.93 15016.94 -974.99 -2398.89 974.99 12569.55 966.8885 -2.48104117 15456.85 16083.5 626.65 -1772.24 626.65 13196.2 942.5857 -1.8801918 15724.39 16619.71 895.32 -876.92 895.32 14091.52 939.4347 -0.93345519 15906.72 16342.06 435.34 -441.58 435.34 14526.86 907.9288 -0.4863620 16348.42 18488.88 2140.46 1698.88 2140.46 16667.32 980.4306 1.7327921 17150.22 15811.71 -1338.51 360.37 1338.51 18005.83 1000.324 0.36025322 16880.88 19049.1 2168.22 2528.59 2168.22 20174.05 1061.792 2.38143623 17783.23 15547.76 -2235.47 293.12 2235.47 22409.52 1120.476 0.26160324 16802.86 16886.11 83.25 376.37 83.25 22492.77 1071.084 0.351392

Contoh perhitungan:

Rumus : RSFE = kumulatif error

34

Page 6: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

untuk periode ke-24

Gambar 5.2 Grafik Tracking Signal untuk WMA 3

Gambar 5.3 Grafik aktual-forecast WMA32. Weighted Moving Average 4 Periode

Tabel 5.4 Hasil peramalan WMA 4

Periode A F Error1 16880.73

35

Page 7: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

2 14467.53 17952.684 15014.015 17158.38 16078.73 1079.656 16086.44 16148.14 -61.77 17688.73 16552.88 1135.858 14739.77 16486.89 -1747.129 16083.5 16418.33 -334.8310 14742.22 16149.61 -1407.3911 15278.44 15813.55 -535.1112 16081.05 15210.98 870.0713 16622.17 15546.3 1075.8714 15280.89 15680.97 -400.0815 16072.73 15815.64 257.0916 15016.94 16014.21 -997.2717 16083.5 15748.18 335.3218 16619.71 15613.52 1006.1919 16342.06 15948.22 393.8420 18488.88 16015.55 2473.3321 15811.71 16883.54 -1071.8322 19049.1 16815.59 2233.5123 15547.76 17422.94 -1875.1824 16886.11 17224.36 -338.25

Contoh perhitungan:Rumus:

Forecast untuk periode ke-24W=Weight = 0.25

Tabel 5.5 Perhitungan Tracking Signal WMA 4

Periode F A Error RSFEAbs

error

Kum Abs

Error MADTracking

Signal1 16880.73 02 14467.5 03 17952.68 0

36

Page 8: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

4 15014.01 05 16078.73 17158.38 1079.65 1079.65 1079.65 1079.65 1079.65 16 16148.14 16086.44 -61.7 1017.95 61.7 1141.35 570.675 1.7837657 16552.88 17688.73 1135.85 2153.8 1135.85 2277.2 759.0666667 2.8374328 16486.89 14739.77 -1747.12 406.68 1747.12 4024.32 1006.08 0.4042229 16418.33 16083.5 -334.83 71.85 334.83 4359.15 871.83 0.08241310 16149.61 14742.22 -1407.39 -1335.54 1407.39 5766.54 961.09 -1.3896111 15813.55 15278.44 -535.11 -1870.65 535.11 6301.65 900.2357143 -2.07795612 15210.98 16081.05 870.07 -1000.58 870.07 7171.72 896.465 -1.1161413 15546.3 16622.17 1075.87 75.29 1075.87 8247.59 916.3988889 0.08215914 15680.97 15280.89 -400.08 -324.79 400.08 8647.67 864.767 -0.37558115 15815.64 16072.73 257.09 -67.7 257.09 8904.76 809.5236364 -0.08362916 16014.21 15016.94 -997.27 -1064.97 997.27 9902.03 825.1691667 -1.29060817 15748.18 16083.5 335.32 -729.65 335.32 10237.35 787.4884615 -0.92655318 15613.52 16619.71 1006.19 276.54 1006.19 11243.54 803.11 0.34433619 15948.22 16342.06 393.84 670.38 393.84 11637.38 775.8253333 0.86408620 16015.55 18488.88 2473.33 3143.71 2473.33 14110.71 881.919375 3.56462321 16883.54 15811.71 -1071.83 2071.88 1071.83 15182.54 893.0905882 2.31989922 16815.59 19049.1 2233.51 4305.39 2233.51 17416.05 967.5583333 4.44974723 17422.94 15547.76 -1875.18 2430.21 1875.18 19291.23 1015.327895 2.39352224 17224.36 16886.11 -338.25 2091.96 338.25 19629.48 981.474 2.131447

Contoh perhitungan:

Rumus : RSFE = kumulatif error

untuk periode ke-24

37

Page 9: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

Gambar 5.4 Grafik Tracking Signal WMA 4

Gambar 5.5 Grafik aktual-forecast WMA 4

3. Weighted Moving Average 5 Periode

Tabel 5.6 Hasil Peramalan WMA 5Periode A F Error

1 16880.732 14467.53 17952.684 15014.015 17158.386 16086.44 16294.66 -208.227 17688.73 16135.8 1552.938 14739.77 16780.05 -2040.289 16083.5 16137.47 -53.9710 14742.22 16351.37 -1609.1511 15278.44 15868.13 -589.6912 16081.05 15706.53 374.5213 16622.17 15385 1237.17

38

Page 10: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

Periode A F Error14 15280.89 15761.48 -480.5915 16072.73 15600.95 471.7816 15016.94 15867.06 -850.1217 16083.5 15814.76 268.7418 16619.71 15815.25 804.4619 16342.06 15814.75 527.3120 18488.88 16026.99 2461.8921 15811.71 16510.22 -698.5122 19049.1 16669.17 2379.9323 15547.76 17262.29 -1714.5324 16886.11 17047.9 -161.79

Contoh perhitungan:Rumus:

Forecast untuk periode ke-24W=Weight = 0.2

Tabel 5.7 Perhitungan Tracking Signal WMA 5

Periode F A Error RSFEAbs

error

Kum Abs

Error MADTracking

Signal1 16880.732 14467.53 17952.684 15014.015 17158.386 16294.66 16086.44 -208.22 -208.22 208.22 208.22 208.22 -17 16135.8 17688.73 1552.93 1344.71 1552.93 1761.15 880.575 1.52718 16780.05 14739.77 -2040.28 -695.57 2040.28 3801.43 1267.143 -0.5499 16137.47 16083.5 -53.97 -749.54 53.97 3855.4 963.85 -0.77810 16351.37 14742.22 -1609.15 -2358.69 1609.15 5464.55 1092.91 -2.15811 15868.13 15278.44 -589.69 -2948.38 589.69 6054.24 1009.04 -2.92212 15706.53 16081.05 374.52 -2573.86 374.52 6428.76 918.3943 -2.803

Periode F A Error RSFEAbs

error

Kum Abs

Error MADTracking

Signal

39

Page 11: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

13 15385 16622.17 1237.17 -1336.69 1237.17 7665.93 958.2412 -1.39514 15761.48 15280.89 -480.59 -1817.28 480.59 8146.52 905.1689 -2.00815 15600.95 16072.73 471.78 -1345.5 471.78 8618.3 861.83 -1.56116 15867.06 15016.94 -850.12 -2195.62 850.12 9468.42 860.7655 -2.55117 15814.76 16083.5 268.74 -1926.88 268.74 9737.16 811.43 -2.37518 15815.25 16619.71 804.46 -1122.42 804.46 10541.6 810.8938 -1.38419 15814.75 16342.06 527.31 -595.11 527.31 11068.9 790.6379 -0.75320 16026.99 18488.88 2461.89 1866.78 2461.89 13530.8 902.0547 2.069521 16510.22 15811.71 -698.51 1168.27 698.51 14229.3 889.3331 1.313622 16669.17 19049.1 2379.93 3548.2 2379.93 16609.3 977.0153 3.631723 17262.29 15547.76 -1714.53 1833.67 1714.53 18323.8 1017.988 1.801324 17047.9 16886.11 -161.79 1671.88 161.79 18485.6 972.9253 1.7184

Contoh perhitungan:

Rumus : RSFE = kumulatif error

untuk periode ke-24

Gambar 5.6 Grafik Tracking Signal WMA 5

40

Page 12: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

Gambar 5.7 Grafik aktual-forecast WMA 5

4. Weighted Moving Average 6 Periode

Tabel 5.8 Hasil peramalan WMA 6

Periode A F Error1 16880.732 14467.53 17952.684 15014.015 17158.386 16086.447 17688.73 16259.96 1428.778 14739.77 16394.62 -1654.859 16083.5 16440 -356.510 14742.22 16128.47 -1386.2511 15278.44 16083.17 -804.7312 16081.05 15769.85 311.213 16622.17 15768.95 853.2214 15280.89 15591.19 -310.315 16072.73 15681.38 391.3516 15016.94 15679.58 -662.6417 16083.5 15725.37 358.1318 16619.71 15859.55 760.1619 16342.06 15949.32 392.7420 18488.88 15902.64 2586.2421 15811.71 16437.3 -625.5922 19049.1 16393.8 2655.323 15547.76 17065.83 -1518.0724 16886.11 16976.54 -90.43

41

Page 13: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

Contoh perhitungan:Rumus:

Forecast untuk periode ke-24W=Weight = 0.1666667

5.9 Perhitungan Tracking Signal WMA 6

Periode F A Error RSFEAbs

error

Kum Abs

Error MADTracking

Signal1 16880.732 14467.53 17952.684 15014.015 17158.386 16086.447 16259.96 17688.73 1428.77 1428.77 1428.77 1428.77 1428.77 18 16394.62 14739.77 -1654.85 -226.08 1654.85 3083.62 1541.81 -0.146639 16440 16083.5 -356.5 -582.58 356.5 3440.12 1146.707 -0.5080510 16128.47 14742.22 -1386.25 -1968.83 1386.25 4826.37 1206.593 -1.6317311 16083.17 15278.44 -804.73 -2773.56 804.73 5631.1 1126.22 -2.4627212 15769.85 16081.05 311.2 -2462.36 311.2 5942.3 990.3833 -2.4862713 15768.95 16622.17 853.22 -1609.14 853.22 6795.52 970.7886 -1.6575614 15591.19 15280.89 -310.3 -1919.44 310.3 7105.82 888.2275 -2.1609815 15681.38 16072.73 391.35 -1528.09 391.35 7497.17 833.0189 -1.834416 15679.58 15016.94 -662.64 -2190.73 662.64 8159.81 815.981 -2.6847817 15725.37 16083.5 358.13 -1832.6 358.13 8517.94 774.3582 -2.3666118 15859.55 16619.71 760.16 -1072.44 760.16 9278.1 773.175 -1.3870619 15949.32 16342.06 392.74 -679.7 392.74 9670.84 743.9108 -0.9136820 15902.64 18488.88 2586.24 1906.54 2586.24 12257.08 875.5057 2.1776421 16437.3 15811.71 -625.59 1280.95 625.59 12882.67 858.8447 1.4914822 16393.8 19049.1 2655.3 3936.25 2655.3 15537.97 971.1231 4.053323 17065.83 15547.76 -1518.07 2418.18 1518.07 17056.04 1003.296 2.4102324 16976.54 16886.11 -90.43 2327.75 90.43 17146.47 952.5817 2.44362

Contoh perhitungan:

Rumus : RSFE = kumulatif error

42

Page 14: BAB V hal 30-43

Pengumpulan dan Pengolahan Data

untuk periode ke-24

Gambar 5.8 Grafik Tracking Signal WMA 6

Gambar 5.9 Grafik aktual-forecast WMA 6

43