LAPORAN PERANCANGAN SISTEM INDUSTRI TERPADU MODUL FORECASTING

LAPORAN PRAKTIKUM

PSIT 1

MODUL 3

PERAMALAN

Kelompok : D-21 Tgl. Praktikum : 9 April 2013

Nama : 1. Yuliana Rachmawaty Hari Praktikum : Selasa

2. Ari Kurniawan Dikumpulkan tgl : 16 April 2013

Kelas : D Yogyakarta,.........................................2013

Asisten : P-33

Kriteria Penilaian Asisten

(....................................)

Format

Laporan :

(maks 20)

Isi : (maks 40)

Analisa : (maks 40)

TOTAL :

LABORATORIUM PSIT

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKONOLOGI INDUSTRI

UNIVERSITAS ISLAM INDONESIA

2013

BAB III

PERAMALAN

3.1 Tujuan Praktikum

1. Mampu memprediksi kebutuhan/permintaan yang akan diperlukan dalam

proses produksi.

2. Memahami tahapan dalam berbagai metode peramalan.

3. Mampu menentukan metode peramalan yang tepat.

3.2 Tugas Praktikum

1. Lakukan peramalan untuk produk yang akan dikembangankan untuk 5 periode

kedepan dengan berbagai metode.

2. Pilih hasil peramalan yang terbaik sebagai input untuk praktikum selanjutnya.

3.3 Output

1.3.1 Deskripsi Pasar dan Data Permintaan yang di dapatkan

Berdasarkan Product Innovation Center (PIC) yang telah dibuat di bab 2

perencanaan produk baru, target pasar yang akan dituju yaitu adalah feature

(fungsi tambahan) dari city car Diamond Athar. Sebagai informasi, kami ingin

mengembangkan sebuah produk dari salah satu part yang ada di mobil yaitu

sunroof dengan tipe panoramic sunroof.

Panoramic sunroof yang biasanya berukuran panjang kurang lebih 1,2

meter dan lebar kurang lebih 1,12 meter (ukuran panel kami yaitu 1150 x 1100

x 0,5) kembali pada dua rel dan memiliki kurva lembut yang meniru bentuk

bagian belakang mobil itu sendiri. Pada ekstensi penuh, sunroof akan

membuka jarak 1150 x 1100 x 0,5 meter yang menutupi penumpang depan dan

belakang. Kaca yang digunakan pun memiliki ketebalan 5 mm dan merupakan

kaca SPF 100 yang memberi perlindungan lengkap pada penumpang dari sinar

matahari saat tertutup. Selain itu, saat dikendarai dengan kecepatan tinggi,

penangkis angin yang ada di depan sunroof bisa berfungsi menghentikan angin

dan membuat mobil menjadi stabil. Sunroof itu sendiri juga secara otomatis

akan menutup sebagian ketika pengemudi mencapai kecepatan di atas

65km/jam.

Melalui pasaran utama kami yaitu anak muda kisaran umur 17 – 30 tahun,

dengan menambahkan langsung accessories sunroof pada city car konsumen

kami yakin akan menambahkan minat serta nilai jual yang tinggi pada

Diamond “Athar”. Dengan menggunakan tipe panoramic sunroof yang

memberi perlindungan lengkap pada penumpang melalui fungsi UV protection

nya disaat tertutup dan saat dikendarai dengan kecepatan tinggi, penangkis

angin yang ada di depan sunroof bisa berfungsi menghentikan angin dan

membuat mobil menjadi stabil sehingga desain Diamond “Athar” sebagai city

car menjadi lebih elegan. Ketika malam hari, konsumen dapat dimanjakan

fungsi lain dari sunroof, karena ini merupaka tipe panoramic sunroof,

konsumen dapat dengan langsung melihat pemandangan di malam hari

disesuaikan dengan keadaan cuaca juga tentunya.

Oleh karena itu, untuk memenuhi sasaran yang telah ditentukan oleh

perusahaan, maka perusahaan harus mewujudkan produk yang telah

dirancangnya. Perusahaan tidak bisa sembarangan dalam menentukan seberapa

banyak produk sunroof yang harus dibuat. Perusahaan harus memperhitungkan

beberapa aspek seperti penentuan jumlah sunroof yang harus diproduksi. Salah

satu metode untuk menentukan berapa jumlah mobil yang harus diproduksi

adalah peramalan (forecasting).

Peramalan disini adalah menghitung seberapa banyak jumlah sunroof yang

harus diproduksi berdasarkan jumlah sunroof yang telah diproduksi pada

periode-periode sebelumnya. Berikut ini adalah tabel jumlah produksi per

bulan yang telah dilakukan oleh perusahaan dalam kurun waktu 2 tahun.

Tabel 3.1 Data Historis

NO Tahun Periode Data

1 2011 1 9900

2 2011 2 7700

3 2011 3 7400

4 2011 4 5000

5 2011 5 6700

NO Tahun Periode Data

6 2011 6 8500

7 2011 7 7700

8 2011 8 6900

9 2011 9 7400

10 2011 10 9200

11 2012 11 8400

12 2012 12 7400

13 2012 13 6500

14 2012 14 9700

15 2012 15 6700

16 2012 16 6500

17 2012 17 9500

18 2012 18 7900

19 2012 19 6200

20 2012 20 7300

21 2012 21 8400

22 2012 22 8900

23 2013 23 5500

24 2013 24 6600

1.3.2 Metode Konstan

Persamaan garis yang menggambarkan pola konstan adalah:

Y‟ (t) = a

Nilai a dapat dhitung dengan rumus:

∑

Dimana:

a : Nilai konstan

n : jumlah periode peramalan

Y (t) : Data ke-t

Untuk mendapatkan nilai (a) maka dapat didekati melaui turunan kuadrat

terkecilnya (least square) terhadap (a) sebagai berikut:

E = ∑

0da

dE

diperoleh

n

i

atY1

0])([2

n

i

n

i

atY1 1

0)(

; maka

n

i

natY1

0)(

Sehingga, ∑

dimana n = jumlah periode peramalan

Jadi, apabila pola data berbentuk konstan, maka peramalannya dapat didekati

dengan harga rata-rata dari data tersebut. Berikut dibawah ini adalah perhitungan

peramalan menggunakan metode konstan sperti yang telah dijabarkan di atas.

Tabel 3.2 Hasil Peramalan Data Historis dengan Metode Konstan

NO Tahun Periode Data Peramalan

1 2011 1 9900 7579,167

2 2011 2 7700 7579,167

3 2011 3 7400 7579,167

4 2011 4 5000 7579,167

5 2011 5 6700 7579,167

6 2011 6 8500 7579,167

7 2011 7 7700 7579,167

8 2011 8 6900 7579,167

9 2011 9 7400 7579,167

10 2011 10 9200 7579,167

11 2012 11 8400 7579,167

12 2012 12 7400 7579,167

13 2012 13 6500 7579,167

14 2012 14 9700 7579,167

15 2012 15 6700 7579,167

16 2012 16 6500 7579,167

17 2012 17 9500 7579,167

18 2012 18 7900 7579,167

19 2012 19 6200 7579,167

20 2012 20 7300 7579,167

21 2012 21 8400 7579,167

22 2012 22 8900 7579,167

23 2013 23 5500 7579,167

24 2013 24 6600 7579,167

Tabel 3.3 Data Perhitungan Peramalan 5 Periode Ke-depan

Periode Forecast

25 7579,167

26 7579,167

27 7579,167

28 7579,167

29 7579,167

Pada peramalan menggunakan metode konstan ini hasil yang didapat yaitu 7579,167.

Karena ini menggunakan metode konstan, maka hasil prediksi untuk 10 periode ke

depannya adalah sama.

1.3.3 Metode Regresi Linear

Persamaan garis yang mendekati bentuk data linier adalah:

Y‟(t) = a + b (t)

Konstanta a dan b ditentukan dari data mentah berdasarkan Kriteria

Kuadrat Terkecil (least square criterion). Perhitungannya sebagai berikut:

Anggaplah data mentah diwakili dengan (Yi,ti), dimana Yi adalah

permintaan aktual di saat ti, dimana i = 1,2, .....,n. Definisikan:

E = ∑

Turunkan persamaan tersebut terhadap a dan b:

0da

dE yaitu

n

i

btatY1

0])([2 diperoleh (1)

n

i

n

i

tbnatY1 1

0)(

0db

dEyaitu

n

i

btatYt1

0])([2 diperoleh (2)

Dengan mengeliminasi persamaan (1) dan (2) diperoleh nilai a dan b :

∑ ∑ ∑

∑ ∑

∑ ∑

Dari rumus rumus yang telah dijabarkan di atas, maka dapat dihitung peramalan

terhadap data historis tersebut. Hasil dari perhitungan dengan metode regresi

dapat dilihat pada tabel dibawah ini

a = 7834,058

b = -20,391

Y‟t = -20,391 + 7834,058 t

Tabel 3.4 Hasil Perhitungan Peramalan Data Historis

Periode Aktual Forecast

1 9900 9900

2 7700 15400

3 7400 22200

4 5000 20000

5 6700 33500

6 8500 51000

7 7700 53900

8 6900 55200

9 7400 66600

10 9200 92000

11 8400 92400

12 7400 88800

13 6500 84500

14 9700 135800

15 6700 100500

16 6500 104000

n

i

n

i

n

i

tbtattY1 1

2

1

0)(

Periode Aktual Forecast

17 9500 161500

18 7900 142200

19 6200 117800

20 7300 146000

21 8400 176400

22 8900 195800

23 5500 126500

24 6600 158400

Tabel 3.5 Data Perhitungan Peramalan 5 Periode Ke-depan

Periode Forecast

25 7324,275

26 7303,884

27 7283,493

28 7263,101

29 7242,710

Pada perhitungan dengan metode regresi ini pertama-tama yang dilakukan

adalah menghitung menentukan nilai konstantanya sehingga dapat terbentuk rumus

untuk mencari nilai peramalannya. Rumus yang terbentuk dari perhitungan tersebut

adalah Y„t = -20,391 + 7834,058 t. Kemudian dengan menggunakan rumus yang

telah terbentuk tersebut dapat dihitung atau diramalakan jumlah sunroof yang akan

diproduksi. Hasil untuk 10 periode ke depan adalah 7324,275; 7303,884; 7283,493;

7263,101; dan 7242,710.

1.3.4 Metode Moving Average Forecasting

Metode moving average banyak digunakan untuk menentukan trend dari suatu

deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari

data asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini

digunakan untuk data yang perubahannya tidak cepat, dan tidak mempunyai

karakteristik musiman atau seasonal. Metode rata-rata bergerak mengestimasi

permintaan periode berikutnya sebagai rata-rata data permintaan aktual dari n periode

terakhir. Terdapat tiga macam Metode rata-rata bergerak, yaitu:

a. Simple Moving Average

Simple Moving Average (SMAt)= n

YYYY ntttt 121 ....

Seperti pada rumus yang telah dijelaskan di atas, maka perhitungan untuk

forecast pada data historis yang telah tersedia dapat dilihat pada tabel di bawah

ini.

Tabel 3.6 Hasil Perhitungan Data Historis

Dengan Metode Simple Moving Average 3 Periode

Tahun Periode Demand SMA

2011 1 9900

2011 2 7700

2011 3 7400

2011 4 5000 8333,333

2011 5 6700 6700

2011 6 8500 6366,667

2011 7 7700 6733,333

2011 8 6900 7633,333

2011 9 7400 7700

2011 10 9200 7333,333

2012 11 8400 7833,333

2012 12 7400 8333,333

2012 13 6500 8333,333

2012 14 9700 7433,333

2012 15 6700 7866,667

2012 16 6500 7633,333

2012 17 9500 7633,333

2012 18 7900 7566,667

2012 19 6200 7966,667

2012 20 7300 7866,667

2012 21 8400 7133,333


2012 22 8900 7300

2013 23 5500 8200

2013 24 6600 7600

Tabel 3.7 Data Perhitungan Peramalan dengan Metode

Simple Moving Average 5 Periode Ke-depan

Periode Forecast

25 7000

26 7000

27 7000

28 7000

29 7000

Data di atas merupakan hasil perhitungan menggunakan metode Simple

Moving Average dengan menggunakan 3 periode. Data hasil forecast di atas sama

semua karena pada metode moving average ini untuk perhitungan forecast nya

menggunakan 3 data terakhir dari data historis yang telah tersedia.


dengan Metode Simple Moving Average 4 Periode


2011 1 9900

2011 2 7700

2011 3 7400

2011 4 5000

2011 5 6700 7500

2011 6 8500 6700

2011 7 7700 6900

2011 8 6900 6975

2011 9 7400 7450

2011 10 9200 7625


2012 11 8400 7800

2012 12 7400 7975

2012 13 6500 8100

2012 14 9700 7875

2012 15 6700 8000

2012 16 6500 7575

2012 17 9500 7350

2012 18 7900 8100

2012 19 6200 7650

2012 20 7300 7525

2012 21 8400 7725

2012 22 8900 7450

2013 23 5500 7700

2013 24 6600 7525


Simple Moving Average 5 Periode Ke-depan

Periode Forecast

25 7350

26 7350

27 7350

28 7350

29 7350

b. Centered Moving Average (CMA)

Perbedaan utama antara Simple Moving Average dan Centered Moving

Average terletak pada observasi yang digunakan. “Center” berarti antara data

sekarang dengan menggunakan data sebelumnya dan data sesudahnya.

Misalnya untuk 3 periode moving average, maka SMA menggunakan data

periode 3 ditambah data sebelumnya dan data sesudahnya.

Centered Moving Average (CMAt) = (

)


Dengan Metode Centered Moving Average 3 Periode

Tahun Periode Demand CMA

2011 1 9900

2011 2 7700 8333,333

2011 3 7400 6700

2011 4 5000 6366,667

2011 5 6700 6733,333

2011 6 8500 7633,333

2011 7 7700 7700

2011 8 6900 7333,333

2011 9 7400 7833,333

2011 10 9200 8333,333

2012 11 8400 8333,333

2012 12 7400 7433,333

2012 13 6500 7866,667

2012 14 9700 7633,333

2012 15 6700 7633,333

2012 16 6500 7566,667

2012 17 9500 7966,667

2012 18 7900 7866,667

2012 19 6200 7133,333

2012 20 7300 7300

2012 21 8400 8200

2012 22 8900 7600

2013 23 5500 7000

2013 24 6600 7000


Centered Moving Average 5 Periode Ke-depan

Periode Forecast

25 7000

26 7000

27 7000

28 7000

29 7000


Dengan Metode Centered Moving Average 5 Periode


2011 1 9900

2011 2 7700

2011 3 7400 7340

2011 4 5000 7060

2011 5 6700 7060

2011 6 8500 6960

2011 7 7700 7440

2011 8 6900 7940

2011 9 7400 7920

2011 10 9200 7860

2012 11 8400 7780

2012 12 7400 8240

2012 13 6500 7740

2012 14 9700 7360

2012 15 6700 7780

2012 16 6500 8060

2012 17 9500 7360

2012 18 7900 7480

2012 19 6200 7860

2012 20 7300 7740


2012 21 8400 7260

2012 22 8900 7340

2013 23 5500 7340

2013 24 6600 7340


Centered Moving Average 5 Periode Ke-depan

Periode Forecast

25 7340

26 7340

27 7340

28 7340

29 7340

1.3.5 Metode Exponential Smoothing Forecasting

Dalam Metode rata-rata bergerak (Moving Average) dapat dilihat bahwa untuk

semua data observasi memiliki bobot yang sama yang membentuk rata-ratanya.

Padahal, data observasi terbaru seharusnya memiliki bobot yang lebih besar

dibandingkan dengan data observasi di masa yang lalu. Hal ini dipandang sebagai

kelemahan Metode peramalan Moving Average. Untuk itu, digunakanlah metode

Exponential Smoothing agar kelemahan tersebut dapat diatasi didasarkan pada alasan

sebagai berikut:

Metode exponential smoothing mempertimbangkan bobot data-data

sebelumnya dengan estimasi untuk Y‟(t+1) dengan periode (t+1) dihitung sebagai:

Dimana disebut konstanta pelicinan dalam interval 0 < < 1. Rumus ini

memperlihatkan bahwa data yang lalu memiliki bobot lebih kecil dibandingkan

dengan data yang terbaru. Rumus tersebut dapat disederhanakan sebagai berikut:

......)1()1(' )2(

2

)1(1)1( ttt YYYY

Dengan nilai Y‟(1) untuk inisial ramalan didekati dengan nilai rata-ratanya (Y ) atau

Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang

penting dalam menghasilkan hasil ramalan yang “andal”. Metode Exponential

Smoothing digunakan untuk peramalan jangka pendek.

Tabel 3.14 Hasil Perhitungan Data Historis dengan Metode Exponential Smoothing

Tahun Periode Demand Forecast

2011 1 9900

2011 2 7700 9900

2011 3 7400 8140

2011 4 5000 7548

2011 5 6700 5509,6

2011 6 8500 6461,92

2011 7 7700 8092,384

2011 8 6900 7778,477

2011 9 7400 7075,695

2011 10 9200 7335,139

2012 11 8400 8827,028

2012 12 7400 8485,406

2012 13 6500 7617,081

2012 14 9700 6723,416

2012 15 6700 9104,683

2012 16 6500 7180,937

2012 17 9500 6636,187

2012 18 7900 8927,237

2012 19 6200 8105,447

2012 20 7300 6581,089

)'('' )1()1()1()( tttt YYYY

) ( 1 ) 1 ( ' ) 1 ( ' t t Y Y Y

Tahun Periode Demand Forecast

2012 21 8400 7156,218

2012 22 8900 8151,244

2013 23 5500 8750,249

2013 24 6600 6150,050


Exponential Smoothing 5 Periode Ke-depan

Setelah didapat hasil perhitungan peramalan dengan metode exponensial

smoothing didapat bahwa peramalan 5 periode ke depan hasil yang diperoleh adalah

sama dengan permintaan pada periode terakhir karena pada metode ini untuk

perhitungan forecastnya menggunakan perkalian konstanta dengan data forecast

terakhir dari data historis yang telah tersedia.

1.3.6 Perbandingan Metode Perhitungan

Perhitungan dengan 4 Metode yang telah dilakukan diatas menggunakan

Metode time series yang terdiri dari Metode Konstan, Metode Regresi Linear, Metode

Moving Average (Simple Moving Average dan Centered Moving Average), dan

Metode Exponential Smoothing. Tiap Metode perhitungan dengan data permintaan

(demand) yang ada didapatkan peramalan (forecasting) untuk periode selanjutnya.

Dalam meramalkan suatu permintaan kita juga perlu menghitung besar kesalahan

(error) dari perbedaan atau selisih antara nilai aktual dan nilai ramalan. Keakuratan

suatu Metode peramalan bergantung pada seberapa dekat nilai hasil peramalan

terhadap nilai data yang sebenarnya. Dimana kesalahan (error) nantinya dijumlahkan

guna untuk membandingkan tiap hasil dari perhitungan 4 Metode diatas. Jumlah

kesalahan (error) disebut dengan CFE (Cumulatif Forecast Error). Selain

Periode Forecast

25 6150,05

26 6150,05

27 6150,05

28 6150,05

29 6150,05

menjumlahkan kesalahan-kesalahan absolute kita perlu menghitung Rerata Simpangan

Absolut (Mean Absolute Deviation (MAD) mengukur keakuratan peramalan dengan

mererata besaran dari kesalahan meramal atau nilai absolut dari masing-masing

kesalahan. Pembagian dari CFE dan MAD yang didapat disebut dengan Tracking

Signal (TS). Berikut tabel dari perhitungannya:

Tabel 3.16 Hasil Perhitungan dengan Metode Konstan

Periode Demand Forecast FE CFE AD CAD MAD TS UCL LCL

1 9900 7579,167 2320,833 2320,833 2320,833 2320,833 2320,833 1 4 -4

2 7700 7579,167 120,833 2441,667 120,833 2441,667 1220,833 2 4 -4

3 7400 7579,167 -179,167 2262,500 179,167 300 100 22,625 4 -4

4 5000 7579,167 -2579,167 -316,667 2579,167 2758,333 689,583 -0,459 4 -4

5 6700 7579,167 -879,167 -1195,833 879,167 3458,333 691,667 -1,729 4 -4

6 8500 7579,167 920,833 -275,000 920,833 1800 300 -0,917 4 -4

7 7700 7579,167 120,833 -154,167 120,833 1041,667 148,810 -1,036 4 -4

8 6900 7579,167 -679,167 -833,333 679,167 800 100 -8,333 4 -4

9 7400 7579,167 -179,167 -1012,500 179,167 858,333 95,370 -10,617 4 -4

10 9200 7579,167 1620,833 608,333 1620,833 1800 180 3,380 4 -4

11 8400 7579,167 820,833 1429,167 820,833 2441,667 221,970 6,439 4 -4

12 7400 7579,167 -179,167 1250,000 179,167 1000 83,333 15 4 -4

13 6500 7579,167 -1079,167 170,833 1079,167 1258,333 96,795 1,765 4 -4

14 9700 7579,167 2120,833 2291,667 2120,833 3200 228,571 10,026 4 -4

15 6700 7579,167 -879,167 1412,500 879,167 3000 200 7,0625 4 -4

16 6500 7579,167 -1079,167 333,333 1079,167 1958,333 122,396 2,72E+00 4 -4

17 9500 7579,167 1920,833 2254,167 1920,833 3000 176,471 1,28E+01 4 -4

18 7900 7579,167 320,833 2575,000 320,833 2241,667 124,537 2,07E+01 4 -4

19 6200 7579,167 -1379,167 1195,833 1379,167 1700 89,474 1,34E+01 4 -4

20 7300 7579,167 -279,167 916,667 279,167 1658,333 82,917 1,11E+01 4 -4

21 8400 7579,167 820,833 1737,500 820,833 1100 52,381 3,32E+01 4 -4

22 8900 7579,167 1320,833 3058,333 1320,833 2141,667 97,348 3,14E+01 4 -4

23 5500 7579,167 -2079,167 979,167 2079,167 3400 147,827 6,62E+00 4 -4

24 6600 7579,167 -979,167 0,000 979,167 3058,333 127,431 -5,71E-14 4 -4

TOTAL 24858,333

MAD 1035,764

TS -7,02E-15

Gambar 3.1 Grafik Tracking Signal Metode Konstan

Tabel 3.17 Hasil Perhitugan Metode Regresi Linear


1 9900 7813,667 2086,333 2086,333 2086,333 2086,333 2086,333 1 4 -4

2 7700 7793,275 -93,275 1993,058 93,275 2179,609 1089,804 1,829 4 -4

3 7400 7772,884 -372,884 1620,174 372,884 2552,493 850,831 1,904 4 -4

4 5000 7752,493 -2752,493 -1132,319 2752,493 5304,986 1326,246 -0,854 4 -4


5 6700 7732,101 -1032,101 -2164,420 1032,101 6337,087 1267,417 -1,708 4 -4

6 8500 7711,710 788,290 -1376,130 788,290 7125,377 1187,563 -1,159 4 -4

7 7700 7691,319 8,681 -1367,449 8,681 7134,058 1019,151 -1,342 4 -4

8 6900 7670,928 -770,928 -2138,377 770,928 7904,986 988,123 -2,164 4 -4

9 7400 7650,536 -250,536 -2388,913 250,536 8155,522 906,169 -2,636 4 -4

10 9200 7630,145 1569,855 -819,058 1569,855 9725,377 972,538 -0,842 4 -4

11 8400 7609,754 790,246 -28,812 790,246 10515,623 955,966 -0,030 4 -4

12 7400 7589,362 -189,362 -218,174 189,362 10704,986 892,082 -0,245 4 -4

13 6500 7568,971 -1068,971 -1287,145 1068,971 11773,957 905,689 -1,421 4 -4

14 9700 7548,580 2151,420 864,275 2151,420 13925,377 994,670 0,869 4 -4

15 6700 7528,188 -828,188 36,087 828,188 14753,565 983,571 0,037 4 -4

16 6500 7507,797 -1007,797 -971,710 1007,797 15761,362 985,085 -0,986 4 -4

17 9500 7487,406 2012,594 1040,884 2012,594 17773,957 1045,527 0,996 4 -4

18 7900 7467,014 432,986 1473,870 432,986 18206,942 1011,497 1,457 4 -4

19 6200 7446,623 -1246,623 227,246 1246,623 19453,565 1023,872 0,222 4 -4

20 7300 7426,232 -126,232 101,014 126,232 19579,797 978,990 0,103 4 -4

21 8400 7405,841 994,159 1095,174 994,159 20573,957 979,712 1,118 4 -4

22 8900 7385,449 1514,551 2609,725 1514,551 22088,507 1004,023 2,599 4 -4


23 5500 7365,058 -1865,058 744,667 1865,058 23953,565 1041,459 0,715 4 -4

24 6600 7344,667 -744,667 -5,46E-12 744,667 24698,232 1029,093 -5,30E-15 4 -4

TOTAL 24698,232

MAD 1029,093

TS -5,30E-15

Gambar 3.2 Grafik Tracking Signal Metode Regresi Linea

Tabel 3.18 Hasil Perhitungan Metode Moving Average Simple Moving Average 3 Periode


1 9900

4 -4

2 7700

4 -4

3 7400

4 -4

4 5000 8333,333 -3333,333 -3333,333 3333,333 3333,333 3333,3 -1 4 -4

5 6700 6700 0 -3333,333 0 3333,333 1666,7 -2 4 -4

6 8500 6366,667 2133,333 -1200 2133,333 5466,667 1822,2 -0,658 4 -4

7 7700 6733,333 966,6667 -233,333 966,667 6433,333 1608,3 -0,145 4 -4

8 6900 7633,333 -733,333 -966,667 733,333 7166,667 1433,3 -0,674 4 -4

9 7400 7700 -300 -1266,667 300,000 7466,667 1244,4 -1,018 4 -4

10 9200 7333,333 1866,667 600 1866,667 9333,333 1333,3 0,45 4 -4

11 8400 7833,333 566,667 1166,667 566,667 9900 1237,5 0,943 4 -4

12 7400 8333,333 -933,333 233,333 933,333 10833,333 1203,7 0,194 4 -4

13 6500 8333,333 -1833,33 -1600,000 1833,333 12666,667 1266,7 -1,263 4 -4

14 9700 7433,333 2266,667 666,667 2266,667 14933,333 1357,6 0,492 4 -4

15 6700 7866,667 -1166,67 -500 1166,667 16100 1341,7 -0,373 4 -4

16 6500 7633,333 -1133,33 -1633,333 1133,333 17233,333 1325,6 -1,232 4 -4

17 9500 7633,333 1866,667 233,333 1866,667 19100 1364,3 0,171 4 -4


18 7900 7566,667 333,333 566,667 333,333 19433,333 1295,6 0,438 4 -4

19 6200 7966,667 -1766,67 -1200,000 1766,667 21200 1325 -0,906 4 -4

20 7300 7866,667 -566,667 -1766,667 566,667 21766,667 1280,4 -1,380 4 -4

21 8400 7133,333 1266,667 -500 1266,667 23033,333 1279,6 -0,391 4 -4

22 8900 7300 1600 1100 1600 24633,333 1296,5 0,849 4 -4

23 5500 8200 -2700 -1600 2700 27333,333 1366,7 -1,171 4 -4

24 6600 7600 -1000 -2600 1000 28333,333 1349,2 -1,927 4 -4

TOTAL 28333,333

MAD 1349,206

TS -1,927

Gambar 3.3 Grafik Tracking Signal Metode Simple Moving Average 3 Periode

Tabel 3.19 Hasil Perhitungan Metode Moving Average Simple Moving Average 4 Periode


1 9900 4 -4

2 7700 4 -4

3 7400 4 -4

4 5000 4 -4

5 6700 7500 -800 -800 800 800 800 -1 4 -4


6 8500 6700 1800 1000 1800 2600 1300 0,769 4 -4

7 7700 6900 800 1800 800 3400 1133,3 1,588 4 -4

8 6900 6975 -75 1725 75 3475 868,75 1,986 4 -4

9 7400 7450 -50 1675 50 3525 705 2,376 4 -4

10 9200 7625 1575 3250 1575 5100 850 3,824 4 -4

11 8400 7800 600 3850 600 5700 814,29 4,729 4 -4

12 7400 7975 -575 3275 575 6275 784,38 4,175 4 -4

13 6500 8100 -1600 1675 1600 7875 875 1,915 4 -4

14 9700 7875 1825 3500 1825 9700 970 3,609 4 -4

15 6700 8000 -1300 2200 1300 11000 1000 2,2 4 -4

16 6500 7575 -1075 1125 1075 12075 1006,3 1,118 4 -4

17 9500 7350 2150 3275 2150 14225 1094,2 2,993 4 -4

18 7900 8100 -200 3075 200 14425 1030,4 2,984 4 -4

19 6200 7650 -1450 1625 1450 15875 1058,3 1,535 4 -4

20 7300 7525 -225 1400 225 16100 1006,3 1,391 4 -4

21 8400 7725 675 2075 675 16775 986,76 2,103 4 -4

22 8900 7450 1450 3525 1450 18225 1012,5 3,482 4 -4

23 5500 7700 -2200 1325 2200 20425 1075 1,233 4 -4


24 6600 7525 -925 400 925 21350 1067,5 0,375 4 -4

TOTAL 21350

MAD 1067,5

TS 0,375

Gambar 3.4 Grafik Tracking Signal Metode Simple Moving Average 4 Periode

Tabel 3.20 Hasil Perhitungan Metode Moving Average Centered Moving Average 3 Periode


1 9900 633,333 633,333 -1 4 -4

2 7700 8333,333 -633,333 -633,333 633,333 1333,333 666,667 0,1 4 -4

3 7400 6700 700 66,667 700 2700 900 -1,444 4 -4

4 5000 6366,667 -1366,667 -1300 1366,667 2733,333 683,333 -1,951 4 -4

5 6700 6733,333 -33,333 -1333,333 33,333 3600 720 -0,648 4 -4

6 8500 7633,333 866,667 -466,667 866,667 3600 600 -0,778 4 -4

7 7700 7700 0 -466,667 0 4033,333 576,190 -1,562 4 -4

8 6900 7333,333 -433,333 -900 433,333 4466,667 558,333 -2,388 4 -4

9 7400 7833,333 -433,333 -1333,333 433,333 5333,333 592,593 -0,7875 4 -4

10 9200 8333,333 866,667 -466,667 866,667 5400 540 -0,741 4 -4

11 8400 8333,333 66,667 -400 66,667 5433,333 493,939 -0,877 4 -4

12 7400 7433,333 -33,333 -433,333 33,333 6800 566,667 -3,176 4 -4

13 6500 7866,667 -1366,667 -1800 1366,667 8866,667 682,051 0,391 4 -4

14 9700 7633,333 2066,667 266,667 2066,667 9800 700 -0,952 4 -4

15 6700 7633,333 -933,333 -666,667 933,333 10866,667 724,444 -2,393 4 -4

16 6500 7566,667 -1066,667 -1733,333 1066,667 12400 775 -0,258 4 -4

17 9500 7966,667 1533,333 -200 1533,333 12433,333 731,373 -0,228 4 -4


18 7900 7866,667 33,333 -166,667 33,333 13366,667 742,593 -1,481 4 -4

19 6200 7133,333 -933,333 -1100 933,333 13366,667 703,509 -1,564 4 -4

20 7300 7300 0 -1100 0 13566,667 678,333 -1,327 4 -4

21 8400 8200 200 -900 200 14866,667 707,937 0,565 4 -4

22 8900 7600 1300 400 1300 16366,667 743,939 -1,479 4 -4

23 5500 7000 -1500 -1100 1500 18933,333 823,188 1,782 4 -4

24 6600 4033,333 2566,667 1466,667 2566,667 633,333 633,333 -1 4 -4

TOTAL 18933,333

MAD 823,188

TS 1,782

Gambar 3.5 Grafik Tracking Signal Metode Centered Moving Average 3 Periode

Tabel 3.21 Hasil Perhitungan Metode Moving Average Centered Moving Average 5 Periode


1 9900 60 60 1 4 -4

2 7700 2120 1060 -1,887 4 -4

3 7400 7340 60 60 60 2480 826,667 -2,855 4 -4

4 5000 7060 -2060 -2000 2060 4020 1005 -0,816 4 -4


5 6700 7060 -360 -2360 360 4280 856 -0,654 4 -4

6 8500 6960 1540 -820 1540 5320 886,667 -1,805 4 -4

7 7700 7440 260 -560 260 5840 834,286 -2,541 4 -4

8 6900 7940 -1040 -1600 1040 7180 897,5 -0,869 4 -4

9 7400 7920 -520 -2120 520 7800 866,667 -0,185 4 -4

10 9200 7860 1340 -780 1340 8640 864 -1,157 4 -4

11 8400 7780 620 -160 620 9880 898,182 -2,494 4 -4

12 7400 8240 -840 -1000 840 12220 1018,333 0,098 4 -4

13 6500 7740 -1240 -2240 1240 13300 1023,077 -0,958 4 -4

14 9700 7360 2340 100 2340 14860 1061,429 -2,393 4 -4

15 6700 7780 -1080 -980 1080 17000 1133,333 -0,353 4 -4

16 6500 8060 -1560 -2540 1560 17420 1088,75 0,018 4 -4

17 9500 7360 2140 -400 2140 19080 1122,353 -1,461 4 -4

18 7900 7480 420 20 420 19520 1084,444 -1,918 4 -4

19 6200 7860 -1660 -1640 1660 20660 1087,368 -0,864 4 -4

20 7300 7740 -440 -2080 440 22220 1111 0,558 4 -4

21 8400 7260 1140 -940 1140 24060 1145,714 -1,065 4 -4

22 8900 7340 1560 620 1560 24800 1127,273 -1,739 4 -4


23 5500 7340 -1840 -1220 1840 60 60 1 4 -4

24 6600 7340 -740 -1960 740 2120 1060 -1,887 4 -4

TOTAL 24800

MAD 1127,27

TS -1,74

Gambar 3.5 Grafik Tracking Signal Metode Centered Moving Average 5 Periode

Tabel 3.22 Hasil Perhitungan Metode Exponential Smoothing Forecasting (α = 0,2)


1 9900 4 -4

2 7700 9900 -2200 -2200 2200 2200 2200 -1 4 -4

3 7400 9460 -2060 -4260 2060 4260 2130 -2 4 -4

4 5000 9048 -4048 -8308 4048 8308 2769,333 -3 4 -4

5 6700 8238,4 -1538,4 -9846,4 1538,4 9846,4 2461,6 -4 4 -4

6 8500 7930,72 569,28 -9277,12 569,28 10415,68 2083,136 -4,453 4 -4

7 7700 8044,576 -344,576 -9621,696 344,576 10760,256 1793,376 -5,365 4 -4

8 6900 7975,661 -1075,661 -10697,357 1075,661 11835,917 1690,845 -6,327 4 -4

9 7400 7760,529 -360,529 -11057,885 360,529 12196,445 1524,556 -7,253 4 -4

10 9200 7688,423 1511,577 -9546,308 1511,577 13708,023 1523,114 -6,268 4 -4

11 8400 7990,738 409,262 -9137,047 409,262 14117,284 1411,728 -6,472 4 -4

12 7400 8072,591 -672,591 -9809,637 672,591 14789,875 1344,534 -7,296 4 -4

13 6500 7938,073 -1438,073 -11247,710 1438,073 16227,947 1352,329 -8,317 4 -4

14 9700 7650,458 2049,542 -9198,168 2049,542 18277,489 1405,961 -6,542 4 -4

15 6700 8060,366 -1360,366 -10558,534 1360,366 19637,856 1402,704 -7,527 4 -4

16 6500 7788,293 -1288,293 -11846,827 1288,293 20926,149 1395,077 -8,492 4 -4

17 9500 7530,635 1969,365 -9877,462 1969,365 22895,514 1430,97 -6,903 4 -4


18 7900 7924,508 -24,508 -9901,970 24,508 22920,022 1348,237 -7,344 4 -4

19 6200 7919,606 -1719,606 -11621,576 1719,606 24639,628 1368,868 -8,490 4 -4

20 7300 7575,685 -275,685 -11897,261 275,685 24915,313 1311,332 -9,073 4 -4

21 8400 7520,548 879,452 -11017,808 879,452 25794,765 1289,738 -8,543 4 -4

22 8900 7696,438 1203,562 -9814,247 1203,562 26998,327 1285,635 -7,634 4 -4

23 5500 7937,151 -2437,151 -12251,397 2437,151 29435,477 1337,976 -9,157 4 -4

24 6600 7449,721 -849,721 -13101,118 849,721 30285,198 1316,748 -9,950 4 -4

TOTAL 30285,20

MAD 1316,75

TS -9,95

Gambar 3.6 Grafik Tracking Signal Metode Exponential Smoothing Forecasting (α = 0,2)

Tabel 3.23 Hasil Perhitungan Metode Exponential Smoothing Forecasting (α = 0,8)


1 9900 2200 2200 -1 4 -4

2 7700 9900 -2200 -2200 2200 2940 1470 -2 4 -4

3 7400 8140 -740 -2940 740 5488 1829,333 -3 4 -4

4 5000 7548 -2548 -5488 2548 6678,4 1669,6 -2,574 4 -4


5 6700 5509,6 1190,4 -4297,6 1190,4 8716,48 1743,296 -1,296 4 -4

6 8500 6461,92 2038,08 -2259,52 2038,08 9108,864 1518,144 -1,747 4 -4

7 7700 8092,384 -392,384 -2651,904 392,384 9987,341 1426,763 -2,474 4 -4

8 6900 7778,4768 -878,48 -3530,381 878,477 10311,645 1288,956 -2,487 4 -4

9 7400 7075,695 324,30 -3206,076 324,305 12176,506 1352,945 -0,991 4 -4

10 9200 7335,139 1864,86 -1341,215 1864,861 12603,534 1260,353 -1,403 4 -4

11 8400 8827,027 -427,03 -1768,243 427,028 13688,940 1244,449 -2,293 4 -4

12 7400 8485,405 -1085,41 -2853,649 1085,406 14806,021 1233,835 -3,218 4 -4

13 6500 7617,081 -1117,08 -3970,730 1117,081 17782,605 1367,893 -0,727 4 -4

14 9700 6723,416 2976,58 -994,146 2976,584 20187,288 1441,949 -2,357 4 -4

15 6700 9104,683 -2404,68 -3398,829 2404,683 20868,225 1391,215 -2,933 4 -4

16 6500 7180,937 -680,94 -4079,766 680,937 23732,037 1483,252 -0,820 4 -4

17 9500 6636,187 2863,81 -1215,953 2863,813 24759,275 1456,428 -1,540 4 -4

18 7900 8927,238 -1027,24 -2243,191 1027,237 26664,722 1481,373 -2,801 4 -4

19 6200 8105,448 -1905,45 -4148,638 1905,447 27383,633 1441,244 -2,380 4 -4

20 7300 6581,090 718,91 -3429,728 718,911 28627,415 1431,371 -1,527 4 -4

21 8400 7156,218 1243,78 -2185,946 1243,782 29376,171 1398,865 -1,027 4 -4

22 8900 8151,244 748,76 -1437,189 748,756 32626,420 1483,019 -3,161 4 -4


23 5500 8750,249 -3250,25 -4687,438 3250,249 33076,370 1438,103 -2,947 4 -4

24 6600 6150,050 449,95 -4237,488 449,950 2200 2200 -1 4 -4

TOTAL 33076,37

MAD 1438,10

TS -2,95

Gambar 3.7 Grafik Tracking Signal Metode

Exponential Smoothing Forecasting (α = 0,8)

Rincian perhitungan dari setiap metode diatas dapat dirangkum hanya melihat pada

hasil prediksi dari MAD dan Tracking Signal agar dalam pembandingan antar metode

mudah dibaca adalah sebagai berikut:

Tabel 3.24 Hasil Perbandingan MAD dan Tracking Signal (TS) Antar Metode

NO Metode Prediksi MAD TS

1 Konstan

7579,17

1035,76 -7,02E-15

7579,17

7579,17

7579,17

7579,17

2 Regresi Linear

7324,28

1029,09 -5,30E-15

7303,88

7283,49

7263,1

7242,71

3 SMA 3 Periode

7000

1349,206 -1,927

7000

7000

7000

7000

4 SMA 4 Periode

7350

1067,5 0,375

7350

7350

7350

7350

NO Metode Prediksi MAD TS

5 CMA 3 Periode

7000

823,188 1,782

7000

7000

7000

7000

6 CMA 5 Periode

7340

1127,27 -1,74

7340

7340

7340

7340

7 Exponential

Smoothing

6150,05

1438,1 -2,95

6150,05

6150,05

6150,05

6150,05

Dengan melakukan peramalan dan perhitungan untuk produk city car

Diamond “Athar” yang dikembangkan yaitu sunroof (tipe panoramic sunroof) dalam

kurun waktu 5 periode dengan menggunakan Metode Konstan dimana prediksi untuk

5 periode (25, 26, 27, 28, dan 29) adalah 7579,17 dengan nilai MAD 1035,76 dan

Tracking Signal (TS) nya adalah -7,02E-15. Dengan Metode Regresi Linear dimana

prediksi untuk 5 periode (25, 26, 27, 28, dan 29) adalah 7324,28; 7303,88; 7283,49;

7263,1; dan 7242,71 dengan nilai MAD 1029,09 dan Tracking Signal (TS) nya adalah

-5,30E-15. Untuk Metode Moving Average Forecasting Simple Moving Average

(SMA) dimana pada metode SMA 3 periode, hasil peramalan untuk 5 periode

berikutnya (25, 26, 27, 28, dan 29) adalah 7000 dengan nilai MAD 1349,206 dan

Tracking Signal (TS) nya adalah -1,927 dan pada metode SMA 4 periode, hasil

peramalan untuk 5 periode berikutnya (25, 26, 27, 28, dan 29) adalah 7350 dengan

nilai MAD 1067,5 dan Tracking Signal (TS) nya adalah 0,375. Perhitungan

menggunakan Metode Moving Average lainnya yaitu Centered Moving Average

(CMA) dimana pada metode CMA 3 periode, hasil peramalan untuk 5 periode

berikutnya (25, 26, 27, 28, dan 29) adalah 7000 dengan nilai MAD 823,188 dan

Tracking Signal (TS) nya adalah 1,782 dan pada metode CMA 5 periode, hasil

peramalan untuk 5 periode berikutnya (25, 26, 27, 28, dan 29) adalah 7340 dengan

nilai MAD 1127,27 dan Tracking Signal (TS) nya adalah -1,74. Dan perhitungan pada

Metode Exponential Smoothing Forecasting kami melakukan dua peramalan, yaitu

dengan (α = 0,2 dan α = 0,8). Ketika (α = 0,2) dimana prediksi untuk 5 periode (25,

26, 27, 28, dan 29) adalah 6150,05 dengan nilai MAD 1438,1 dan Tracking Signal

(TS) nya adalah -2,95. Seperti yang terlihat pada Gambar 3.6 pada grafik (TS),

banyak nilai peramalan yang keluar dari batas LCL. Oleh karena itu, kami

menggunakan perhitungan ulang dengan dengan menggunakan (α = 0,8) dimana

prediksi untuk 5 periode (25, 26, 27, 28, dan 29) adalah 7449,72 dengan nilai MAD

1319,748 dan Tracking Signal (TS) nya adalah –9,95. Ketika penggunaan (α = 0,8)

grafik dari Tracking Signal (TS) nya cukup beraturan seperti yang terlihat pada

Gambar 3.7 dimana tidak adanya nilai perhitungan peramalan yang melebihi batas

baik UCL maupun LCL.

Dari hasil perhitungan diatas, dapat dilihat dari nilai MAD dan Tracking

Signal (TS) nya bahwa menggunakan Metode Centered Moving Average (CMA) 3

periode lah yang paling baik peramalannya untuk menangani kasus di atas dimana

nilai MAD 823,188 dan Tracking Signal -1,74. Sehingga Metode Centered Moving

Average (CMA) 3 periode lah yang memiliki kemungkinan kecil untuk mengalami

error.

1.3.7 Kesimpulan

Perbandingan dari beberapa metode yang telah dilakukan dengan melihat nilai

MAD dan Tracking Signal (TS) yang paling mendekati nilai nol. Setelah melalui

tahapan perbandingan dari Metode Konstan, Metode Moving Average (Simple Moving

Average dan Centered Moving Average), Metode Analisis Regresi, dan Metode

Exponential Smoothing Forecasting.

Pada Metode Exponential Smoothing Forecasting kami melakukan dua

peramalan, yaitu dengan (α = 0,2 dan α = 0,8). Ketika (α = 0,2) dimana prediksi untuk

5 periode (25, 26, 27, 28, dan 29) adalah 6150,05 dengan nilai MAD 1438,1 dan

Tracking Signal (TS) nya adalah -2,95. Seperti yang terlihat pada Gambar 3.6 pada

grafik (TS), banyak nilai peramalan yang keluar dari batas LCL. Oleh karena itu,

kami menggunakan perhitungan ulang dengan dengan menggunakan (α = 0,8) dimana

prediksi untuk 5 periode (25, 26, 27, 28, dan 29) adalah 7449,72 dengan nilai MAD

1319,748 dan Tracking Signal (TS) nya adalah –9,95. Ketika penggunaan (α = 0,8)

grafik dari Tracking Signal (TS) nya cukup beraturan seperti yang terlihat pada

Gambar 3.7 dimana tidak adanya nilai perhitungan peramalan yang melebihi batas

baik UCL maupun LCL.

Dan setelah melalui berbagai macam perhitungan dengan menggunakan

beragam metode, maka metode yang paling baik untuk meramalkan kasus diatas

adalah Metode Centered Moving Average (CMA) 3 periode lah yang paling baik

peramalannya untuk menangani kasus di atas dimana nilai MAD 823,188 dan

Tracking Signal (TS) -1,74. Sehingga Metode Centered Moving Average (CMA) 3

periode lah yang memiliki kemungkinan kecil untuk mengalami error.

LAPORAN PERANCANGAN SISTEM INDUSTRI TERPADU MODUL FORECASTING

Documents

Transcript of LAPORAN PERANCANGAN SISTEM INDUSTRI TERPADU MODUL FORECASTING