USULAN PENERAPAN DISTRIBUTION RESOURCE …eprints.ums.ac.id/1717/2/D600020040.pdfProgram Studi S 1...

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


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 : AGUS WICAKSONO NIM : D 600 020 040 NIRM : 02.6.106.03064.5.040 Fak/Jur : Teknik / Teknik Industri

Menyetujui :

Dosen Pembimbing I Dosen Pembimbing II

Much. Djunaedi, ST. MT. Etika Muslimah, ST. MM.

LEMBAR PENGESAHAN


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 pihak-pihak 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.

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:

Pemasok dari pemakai

Pemasok (Supplier)

Perusahaan

Pemakai akhir (end user)

Pelanggan (Customer)

Perancangan – pemasaran – pengadaan – produksi - distribusi

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 penemuan-

penemuan 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 rata-

rata 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

tAtF

n

t∑== 1

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

i

t

iiWiAiWtF )(/)()( ; keterangan i = (t – m + 1) ke-t

( ) ( )tFtf =+τ ............................................................ (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

imtAtF /)( ; keterangan i = (t – m + 1) ke-t

( ) ( ) ( )( )ττ ++=+ ttTtFtf ...................................... (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 :

)1()1()(.)( −−+= tFtAtF αα

)()( tFtF =+τ .......................................................... (2.4)

5. Single Exponential Smoothing with linear trend

Metode ini digunakan pada data histories yang cenderung konstan

mengandung unsur trend. Persamaan yang digunakan :

)5.2.......(..............................).........(.)()()1()1())1()(()(

)1()1()(1()(.)(

tTtFtftTtFtFtT

tTtFtAtF

ττββ

αα

+=+−−+−−=−+−−+=

6. Double Exponential Smoothing

Metode ini digunakan pada data histories yang mengandung unsur

trend. Persamaan yang digunakan :

)1(')1()(.)(')1()1()(.)(−−+=

−−+=tFtFtF

tFtAtFαααα

)(')( tFtF =+τ ......................................................... (2.6)

7. Double Exponential Smoothing with Linier Trend

Persamaan metode ini adalah :

βατγαααα

/.)1(')1()(.)('

)1()1()(.)(

=−−+=

−−+=tFtFtF

tFtAtF

( ) ( ) ( ) ( ) ( )tFtFtf '12 γγτ +−+=+ ........................... (2.7)

8. Adaptive Exponential Smoothing

Persamaan metode ini adalah :

)1()1()(.)( −−+= tFtAtF αα .................................. (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 :

( ) ( )( )( ) ( )22 XYN

YXXYNb

−

−=

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

NXbY

a ∑ ∑−= ................................................... (2.11)

Dimana : 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:

)())(.)(()()()1()(/)(.)(

)1()1())1()(()())1()1()(1()(/)(.)(

mtItTtFtfmtItFtAtI

tTtFtFtTtTtFmtItAtF

−++=+−−+=

−−+−−=−+−−+−=

τττγγ

ββαα

Jika faktor-faktor musiman diabaikan, maka ditentukan pada nilai berikut

ini :

⎟⎠

⎞⎜⎝

⎛= ∑

=

m

itAtAtI

1)(/)()( , t = 1,2,...,m ........................... (2.12)

Pengukuran kesalahan peramalan dapat dihitung dengan rumus sebagai

berikut:

a. Mean Absolute Deviation adalah mengukur akurasi peramalan dengan merata-

ratakan kesalahan peramalan (nilai absolutenya)


Mean Absolute Deviation = n

et

t∑…………………………………….....(2.13)

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.


Mean Squared Error = ( )

n

et

t∑ 2

……………………………………........(2.14)

c. Mean Error adalah menunjukkan besarnya perkiraan yang ditunjukkan oleh

metode tersebut, jumlah nilai error dibagi jumlah periode.


Mean Error = n

et

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 :

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]

Peramalan Master Prod.Schedule

Pesanan Langganan

Status Persediaan Sistem MRP Struktur Produk

Rencana Pemesanan

Pemesanan Pembelian

Pesanan Kerja Penjadwalan Kerja

Pembatalan Kerja

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 rata-

rata 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.

Gambar 3.1. Skema alur proses produksi dan distribusi produk.

Pemilihan bahan baku

Penimbangan bahan baku.

Proses penggilingan

Pembuatan golden-Pro

Pembuatan slaz Proses produksi pakan ternak

Packing produk untuk agen

Pengiriman ke konsumen

selesai

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.

Gambar 3.6 Kerangka Pemecahan Masalah

Mulai

Studi Pendahuluan

Kesimpulan dan Saran

Observasi

Selesai

Identifikasi Permintaan

Pengolahan Data

Identifikasi Pendistribusian Produk

Pembahasan dan Analisis

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:

Gambar 4.1 Sistem Informasi Distribusi makanan ternak

Pemasok bahan baku

KJUB Agen penjual

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.

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.

Mengirimkan order

Agen penjualan

Order b.baku diproses menjadi produk

Pengiriman produk

KJUB PUSPETASARI

Pemasok bhn.baku

Pengiriman bahan baku

Bagian. pemasaran

Mengirimkan order produk

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

Tabel 4.1 Permintaan Makanan Ternak.

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.


Wilayah tujuan Lead time

• Solo

• Semarang

1 bulan

1 bulan

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

• Yogyakarta

• Wonogiri

• Wonosobo

• Purbolinggo

• Purworejo

• Blora

• Demak

• Jepara

• Madiun

1 bulan

1 bulan

1 bulan

1 bulan

1 bulan

1bulan

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


Wilayah tujuan Biaya kirim

Wilayah 1

• Solo

• Semarang

• Yogyakarta

• Wonogiri

Wilayah 2

• Wonosobo

• Purbolinggo

• Purworejo

Wilayah 3

• Blora

Rp 30

Rp 30

Rp 30

Rp 30

Rp 45

Rp 45

Rp 45

Rp 65

• Demak

• Jepara

• Madiun

Rp 65

Rp 65

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


- Biaya Telepon 10 menit = Rp. 3000


Rp. 228.000


- Biaya Telepon 10 menit = Rp. 10.000


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

• Dc 132

• Kf

• Dc 133

Winters model

Double exponential smoothing

Adaptive exponential smoothing

Double exponential smoothing

796.61

120.08

50.09

120.40

Tabel 4.6 Rekapitulasi Hasil Peramalan

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

Jenis Makanan Ternak (ton)

Bulan BC 132 (Winters model)

KF (Adaptive

exponential smoothing)

DC132 (Double

exponential.smoothing)

DC133 (Double

exponential.smoothing)

Juli 07 986.54 30.95 36.55 13.53

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

Total 21996.33 371.4 500.6 149.88

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

527,90 519,25 485,80 431,52 471,65 449,20 406,00 536,40 569,40 625,60912,10879,950

986,54 1084,611121,621091,241296,471333,581294,651828,48

2066,242407,81

3711,163773,96

0,00

1000,00

2000,00

3000,00

4000,00

5000,00

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

K F

25,1018,25

25,20 24,3015,00 16,45 12,00

31,50 26,60 33,70

51,40

29,25

30,95 30,95 30,95 30,9530,95 30,95 30,95

30,95 30,9530,95

30,95

30,95

0,00

20,00

40,00

60,00

80,00

100,00

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


Gambar 4.4 Permintaan produk KF tahun 2006&peramalan tahun 2007

• DC 132

DC 132

46,8037,65

47,00

30,75 32,95 35,55

10,3517,35 21,05

29,7543,00

35,35

36,5137,46

38,40

39,35 40,30 41,24

42,1943,14 44,08

45,03

45,9846,92

0,00

20,00

40,00

60,00

80,00

100,00

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

Bulan


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

• DC 133

DC 133

8,7013,70

27,75 25,00 27,00 28,75 29,9524,30

9,00 6,35 5,6012,50

12,4912,49

12,49 12,49 12,49 12,49 12,4912,49

12,49 12,49 12,4912,49

0,00

10,00

20,00

30,00

40,00

50,00

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


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

4.4.3 Perhitungan DRP untuk juli 2006 – juni 2007

Q * = EOQ = H

SxDx2

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)

= d x L

Perhitungan EOQ

Wilayah 1

1. Produk BC 132


Q * = EOQ

D = 6.814,8 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

1530008,68142 xx

= 109.16

Frekuensi pembelian 12 bulan =16.109

8,6814 = 63

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 5% dari permintaan

ROP = (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 * = EOQ

D = 308,75 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

15300075,3082 xx

= 23.23

Frekuensi pembelian 12 bulan =23.2375.308 = 13


Total permintaan= 308.75 ton /tahun =25.73 ton /bulan

5% x 25.73= 1.28


Permintaan 25.73

Lead time 1 bulan


ROP = (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 * = EOQ

D = 387.55 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

15300055.3872 xx

= 26.03



Total permintaan=387.55 /tahun =32.29/bulan

5% x 32.29 = 1.61


Permintaan 32.29

Lead time 1 bulan


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

= 32.29+ 1.61 = 33.90


4. Produk DC 133


Q * = EOQ

D = 218.6 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

1530006.2182 xx

= 19.55


6.218 = 12


Total permintaan= 218.6tahun =18.2/bulan

5% x 18.2 = 0.9


Permintaan 18.2

Lead time 1 bulan


ROP = (1 x 18.2) + 5%(1 x 18.2)

= 18.2 + 0.9 = 19.11


Wilayah 2

1.Produk BC 132


Q * = EOQ

D = 6.814,8 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

2280008,68142 xx

= 133.25


8,6814 = 52


Total permintaan = 6814,8/tahun =567.9/bulan

5% x 567,9 = 28,4


Permintaan 567,9

Lead time 1 bulan


ROP = (1 x 567,9) + 5%(1 x 567,9)

= 567,9 + 28,4 = 596,3


2. Produk KF


Q * = EOQ

D = 308.75 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

22800075.3082 xx

= 28.36



Total permintaan= 308.75/tahun =25.73 bulan

5% x 25.73 = 1.28


Permintaan 25.73

Lead time 1 bulan


ROP = (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 * = EOQ

D = 387.55 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

22800055.3872 xx

=31.77



Total permintaan= 387.55/tahun =32.29/bulan

5% x 32.29 = 1.61


Permintaan 32.29

Lead time 1 bulan


ROP = (1 x 32.29) + 5%(1 x 32.29)

= 32.29 + 1.61 = 339


4. Produk DC 133


Q * = EOQ

D = 218.6 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

2280006.2182 xx

=23.86



Total permintaan= 218.6 /tahun =18.21/bulan

5% x 18.21 = 0.91


Permintaan 18.21

Lead time 1 bulan


ROP = (1 x 18.21) + 5%(1 x 18.21)

= 18.21 + 0.91 = 19.12


Wilayah 3

1. Produk BC 132


Q * = EOQ

D = 6.814,8 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

3350008,68142 xx

= 161.52


8,6814 = 43


Total permintaan= 6814,8/tahun =567.9/bulan

5% x 567,9 = 28,4


Permintaan 567,9

Lead time 1 bulan


ROP = (1 x 567,9) + 5%(1 x 567,9)

= 567,9 + 28,4 = 596,3


2. Produk KF


Q * = EOQ

D = 308.75 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

33500075.3082 xx

= 34.38


5,3087 = 9


Total permintaan= 308.75 tahun =25.72/bulan

5% x 25.72 = 1.28


Permintaan 25.72

Lead time 1 bulan


ROP = (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 * = EOQ

D = 387.55 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

33500055.3872 xx

= 38.51



Total permintaan= 387.55tahun =32.29/bulan

5% x 32.29 = 1.61


Permintaan 32.29

Lead time 1 bulan


ROP = (1 x 32.29) + 5%(1 x 32.29)

= 32.29 + 1.61 = 33.9


4.Produk DC 133


Q * = EOQ

D = 218.6 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q* = EOQ = 175000

3350006.2182 xx

= 28.92



Total permintaan= 218.6/tahun =18.21/bulan

5% x 18.21 = 0.91


Permintaan 218.6

Lead time 1 bulan


ROP = (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 = H

SxDx2

Q * = EOQ = 175000

15300033.219962 xx

= 196.11


33.21996 = 112


Total permintaan= 21996.33ton /tahun =1833.02 ton /bulan

5% x 1833.02 = 91.65


Permintaan 1833.02

Lead time 1 bulan


ROP = (1 x 1833.02) + 5%(1 x 18.02)

= 1833.02+ 91.65 = 1924.67


2. Produk KF


Q * = EOQ

D = 371.4 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

1530004.3712 xx

= 25.48




5% x 30.95= 1.54


Permintaan 30.95

Lead time 1 bulan


ROP = (1 x 30.95) + 5%(1 x 30.95)

= 30.95 + 1.54 = 32.49


3. Produk DC 132


Q * = EOQ

D = 500.6 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

1530006.5002 xx

= 29.58



Total permintaan=500.6 /tahun = 41.71 /bulan

5% x 41.71 = 2


Permintaan 41.71

Lead time 1 bulan


ROP = (1 x 41.71) + 5%(1 x 41.71)

= 41.71 + 2 = 43.71


4. Produk DC 133


Q * = EOQ

D = 149.88 ton

S = Rp 153000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

15300088.1492 xx

= 16.18



Total permintaan= 149.88 /tahun =12.49 /bulan

5% x 12.49 = 0.6


Permintaan 12.49

Lead time 1 bulan


ROP = (1 x 12.49) + 5%(1 x 12.49)

= 12.49 + 0.6 = 13.09


Wilayah 2

1.Produk BC 132


Q * = EOQ

D = 21996.33 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

22800033.219962 xx

= 23.40


33.21996 = 91



5% x 1833.02 = 91.65


Permintaan 1833.02

Lead time 1 bulan


ROP = (1 x 1833.02) + 5%(1 x 18.02)

= 1833.02+ 91.65 = 1924.67


2. Produk KF


Q * = EOQ

D = 371.4 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

2280004.3712 xx

= 31.10




5% x 30.95= 1.54


Permintaan 30.95

Lead time 1 bulan


ROP = (1 x 30.95) + 5%(1 x 30.95)

= 30.95 + 1.54 = 32.49


3. Produk DC132


Q * = EOQ

D = 500.6 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

2280006.5002 xx

=36.11




5% x 41.71 = 2


Permintaan 41.71

Lead time 1 bulan


ROP = (1 x 41.71) + 5%(1 x 41.71)

= 41.71 + 2 = 43.71


4. Produk DC 133


Q * = EOQ

D = 149.88 ton

S = Rp 228000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

22800088.1492 xx

=19.76




5% x 12.49 = 0.6


Permintaan 12.49

Lead time 1 bulan


ROP = (1 x 12.49) + 5%(1 x 12.49)

= 12.49 + 0.6 = 13.09


Wilayah 3

1. Produk BC 132


Q * = EOQ

D = 21996.33 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

33500033.219962 xx

= 290.19


33.21996 = 75



5% x 1833.02 = 91.65


Permintaan 1833.02

Lead time 1 bulan


ROP = (1 x 1833.02) + 5%(1 x 18.02)

= 1833.02+ 91.65 = 1924.67


2. Produk KF


Q * = EOQ

D = 371.4ton

S = Rp 335000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

3350004.3712 xx

= 37.70




5% x 30.95= 1.54


Permintaan 30.95

Lead time 1 bulan


ROP = (1 x 30.95) + 5%(1 x 30.95)

= 30.95 + 1.54 = 32.49


3. Produk DC132


Q * = EOQ

D = 500.6 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q * = EOQ = 175000

3350006.5002 xx

= 43.77




5% x 41.71 = 2


Permintaan 41.71

Lead time 1 bulan


ROP = (1 x 41.71) + 5%(1 x 41.71)

= 41.71 + 2 = 43.71


4.Produk DC 133


Q * = EOQ

D = 149.88 ton

S = Rp 335000

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

EOQ = H

SxDx2

Q* = EOQ = 175000

33500088.1492 xx

= 23.95




5% x 12.49 = 0.6


Permintaan 12.49

Lead time 1 bulan


ROP = (1 x 12.49) + 5%(1 x 12.49)

= 12.49 + 0.6 = 13.09


Tabel 4.7 Rekapitulasi Hasil Perhitungan Wilayah 1


Produk

Permintaan per tahun

(ton)

EOQ

ROP

SS

BC 132 6814.8 109.16 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

Peramalan

BC 132 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


(ton)

EOQ

ROP

SS

BC 132 6814.8 133.25 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

Peramalan

BC 132 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


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,

Produk


(ton)

EOQ

ROP

SS

BC 132 6814.8 161.52 596.3 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

Peramalan

BC 132 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

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 nasional dengan

kualitas isi maupun kemasan dari produk dengan tujuan 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


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



sebesar 1.1 ton dan produksi dilakukan kembali jika persediaan mencapai

24.4 ton

• DC 132


sebagai berikut:

Permintaan produk DC 132 bulan juli 2006- juni 2007 adalah



1.61 ton dan produksi dilakukan kembali jika persediaan mencapai 33.90

ton.

Peramalan permintaan produk DC 132 bulan juli 2007- juni 2008




34.37 ton

• DC 133


sebagai berikut:



frekuensi pembelian 12 kali pesan/ tahun, dengan safety stock sebesar 0.9

ton dan produksi dilakukan kembali jika persediaan mencapai 19.11 ton.




sebesar 1 ton dan produksi dilakukan kembali jika persediaan mencapai

19.2 ton

2. Wilayah 2

• BC 132


sebagai berikut:





ton.





mencapai 622 ton

• KF


sebagai berikut:






adalah sebesar 279.96 ton dengan jumlah pemesanan sebesar 27 ton



mencapai 24.49 ton

• DC 132


sebagai berikut:





ton.





34.37 ton

• DC 133


sebagai berikut:





ton.





19.2 ton

3. Wilayah 3

• BC 132


sebagai berikut:





ton.




sebesar 28,4 ton dan produksi dilakukan kembali jika persediaan

mencapai 596.3 ton

• KF


sebagai berikut:









24.4 ton

• DC 132


sebagai berikut:





ton.



dengan frekuensi pembelian 11kali pesan/ tahun, dengan safety stock


mencapai 34.37 ton

• DC 133


sebagai berikut:



frekuensi pembelian 8 kali pesan/ tahun, dengan safety stock sebesar 0.91

ton dan produksi dilakukan kembali jika persediaan mencapai 19.11 ton.





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 keuntungan-

keuntungan 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 produktifitas internal

perusahaan dan kinerja dari rantai pasokannya.

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

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

DC 132

46,8037,65

47,00

30,75 32,95 35,55

10,3517,35 21,05

29,7543,00

35,35

36,5137,46

38,4039,35 40,30 41,24

42,1943,14 44,08

45,0345,9846,92

0,00

20,00

40,00

60,00

80,00

100,00

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

Bulan


K F

25,10 18,25 25,20 24,3015,00 16,45 12,00

31,50 26,60 33,7051,40

29,25

30,95 30,95 30,95 30,9530,95 30,95 30,95

30,95 30,95 30,9530,95

30,95

0,00

20,00

40,00

60,00

80,00

100,00

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


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

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

BC 132

527,90 519,25 485,80 431,52 471,65 449,20 406,00 536,40 569,40 625,60912,10879,950

986,54 1084,611121,621091,241296,471333,581294,65

1828,482066,24

2407,81

3711,163773,96

0,00500,00

1000,00

1500,002000,002500,003000,003500,00

4000,004500,005000,00

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

Bulan


DC 133

8,7013,70

27,75 25,00 27,00 28,75 29,9524,30

9,00 6,35 5,6012,50

12,4912,49

12,49 12,49 12,49 12,49 12,4912,49

12,49 12,49 12,4912,49

0,00

10,00

20,00

30,00

40,00

50,00

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


Rekapitulasi Hasil Perhitungan Wilayah 1


Produk


(ton)

EOQ

ROP

SS

BC 132 6814.8 109.16 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

Peramalan

BC 132 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


(ton)

EOQ

ROP

SS

BC 132 6814.8 133.25 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

Peramalan

BC 132 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


(ton)

EOQ

ROP

SS

BC 132 6814.8 161.52 596.3 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

Peramalan

BC 132 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

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 │ └────────────────────────────────────────────────────────────────────────────┘

USULAN PENERAPAN DISTRIBUTION RESOURCE …eprints.ums.ac.id/1717/2/D600020040.pdfProgram Studi S 1...

Documents

Transcript of USULAN PENERAPAN DISTRIBUTION RESOURCE …eprints.ums.ac.id/1717/2/D600020040.pdfProgram Studi S 1...