BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Transkripsi

1 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake, Jamur Tiram dan Jamur Kuping pada tahun Pengumpulan data penjualan dilakukan selama 12 bulan mulai dari Januari 2016 sampai dengan Desember Data akan digunakan sebagai pedoman dalam meramalkan jumlah Permintaan 12 bulan mendatang yaitu bulan Januari 2017 sampai dengan Desember Tabel 4.1 Data Permintaan Produk tahun 2016 (Pack /100gr) No. Bulan Jamur Shiitake Jamur Tiram Jamur Kuping 1 Januari 1,645 2,719 2,296 2 Februari 1,773 2,795 2,481 3 Maret 1,941 3,194 2,508 4 April 1,796 2,805 2,411 5 Mei 1,894 2,698 2,388 6 Juni 1,845 3,207 2,745 7 Juli 1,137 2,579 2,422 8 Agustus 1,394 3,397 2,523 9 September 1,926 2,951 2, Oktober 1,776 3,218 2, November 1,784 3,177 2, Desember 1,688 3,132 2,625 Total 20,599 35,872 30,408 31

2 Pengolahan Data Dalam membuat perhitungan perencanaan peramalan untuk perusahaan, hal yang harus dilakukan yaitu dengan cara mengetahui pola data permintaan perusahaan pada tahun sebelumnya. Dari pola data tersebut akan dijadikan sebagai masukan dalam memilih metode peramalan untuk menentukan permintaan konsumen di tahun yang akan datang. Berikut adalah grafik data penjualan produk Jamur Shiitake, Jamur Tiram dan Jamur Kuping ditahun Gambar 4.1 Grafik data penjualan PT. BNBF tahun 2016 Dari data grafik diatas dapat diketahui bahwa pola data permintaan pada bulan Januari 2016 sampai dengan Desember 2016 memiliki pola musiman, dimana terdapat fluktuasi musiman terlihat bersama pada permintaan produk Jamur Shiitake, Jamur Tiram dan Jamur Kuping ditahun Maka metode peramalan yang digunakan yaitu dengan menggunakan analisa trend analisys, eksponensial Smoothing dan moving average.

3 Peramalan Metode Trend Analisys Peramalan Metode Trend Analisys merupakan suatu metode analisis statistika yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang memengaruhi terhadap perubahan tersebut. Secara teoristis, dalam analisis runtun waktu (time series) hal yang paling menentukan adalah kualitas dan keakuratan dari data-data yang diperoleh, serta waktu atau periode dari data-data tersebut dikumpulkan. Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan kurang akurasi. Dan pada peramalan dengan metode Trend Analisys digunakan sebagai model peramalan dimana pola historis dari data aktual permintaan konsumen, menunjukan adanya grafik kecenderungan permintaan menaik dari bulan ke bulan berikutnya.

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

5 35 Tabel 4.3 Forecasting Jamur Shiitake dengan metode Trend Analisys Gambar 4.2 Grafik Hasil Peramalan Jamur Shiitake dengan Metode Trend Analisys

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

7 37 Tabel 4.5 Forecasting Jamur Tiram dengan metode Trend Analisys Gambar 4.3 Grafik Hasil Peramalan Jamur Tiram dengan Metode Trend Analisys

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

9 39 Tabel 4.7 Forecasting Jamur Kuping dengan metode Trend Analisys Gambar 4.4 Grafik Hasil Peramalan Jamur Kuping dengan Metode Trend Analisys

10 40 Tabel 4.8 Rekapitulasi Peramalan Jamur dengan metode Trend Analisys Produk MAD MSE BIAS (Mean Error) Standar Error Jamur Shiitake 166, , ,47 Jamur Tiram 174, , ,929 Jamur Kuping 95, , , Peramalan dengan Menggunakan Metode Exponential Smoothing Peramalan dengan metode Exponential Smoothing menekankan pada permintaan Exponential Smooothing merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, namun masih mudah digunakan. α adalah sebuah bobot atau konstanta pemulusan yang dipilih oleh peramal berdasarkan pola historis dari data aktual permintaan. Pada penelitian ini α yang digunakan adalah α = 0,5

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

12 42 Tabel 4.10 Forecasting Jamur Shiitake dengan metode Exponential Smoothing Gambar 4.5 Grafik Hasil Peramalan Jamur Shiitake dengan metode Exponential Smoothing

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

14 44 Tabel 4.12 Forecasting Jamur Tiram dengan metode Exponential Smoothing Gambar 4.6 Grafik Hasil Peramalan Jamur Tiram dengan metode Exponential Smoothing

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

16 46 Tabel 4.14 Forecasting Jamur Kuping dengan metode Exponential Smoothing Gambar 4.7 Grafik Hasil Peramalan Jamur Kuping dengan metode Exponential Smoothing

17 47 Tabel 4.15 Rekapitulasi Peramalan Jamur dengan metode Exponential Smoothing Smoothing α = 0,5 Produk MAD MSE BIAS (Mean Error) Standar Error Jamur Shiitake 180, ,38 14, ,076 Jamur Tiram 248, ,81 76, ,228 Jamur Kuping 117, ,36 64, , Peramalan dengan Menggunakan Metode Moving Average Metode Moving Average merupakan suatu peramalan yang menggunakan data rata-rata permintaan masa lampau dalam jumlah yang telah ditentukan sebelumnya. Metode ini merupakan metode pemerataan peramalan. Adapun peramalannya sebagai berikut : Metode Moving Average Periode I dan III Metode Moving Average periode 1 dan 3 ini merupakan suatu peramalan yang menggunakan rata-rata permintaan masa lampau dalam jumlah yang telah ditentukan sebelumnya dengan menggunakan periode satu bulan dan tiga bulan.

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

19 49 Tabel 4.17 Forecasting Jamur Shiitake dengan metode Moving Average P.1 Gambar 4.8 Grafik Hasil Peramalan Jamur Shiitake dengan metode Moving- Average P.1

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

21 51 Tabel 4.19 Forecasting Jamur Tiram dengan metode Moving Average P.1 Gambar 4.9 Grafik Hasil Peramalan Jamur Tiram dengan metode Moving- Average P.1

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

23 53 Tabel 4.21 Forecasting Jamur Kuping dengan metode Moving Average P.1 Gambar 4.10 Grafik Hasil Peramalan Jamur Kuping dengan metode Moving- Average P.1

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

25 55 Tabel 4.23 Forecasting Jamur Shiitake dengan metode Moving Average P.3 Gambar 4.11 Grafik Hasil Peramalan Jamur Shiitake dengan metode Moving- Average P.3

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

27 57 Tabel 4.25 Forecasting Jamur Tiram dengan metode Moving Average P.3 Gambar 4.12 Grafik Hasil Peramalan Jamur Tiram dengan metode Moving- Average P.3

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

29 59 Tabel 4.27 Forecasting Jamur Kuping dengan metode Moving Average P.3 Gambar 4.13 Grafik Hasil Peramalan Jamur Kuping dengan metode Moving- Average P.3

30 60 Tabel 4.28 Rekapitulasi Peramalan Jamur metode Moving Average P.1 dan P.3 BIAS MAD MSE Produk (Mean Error) Standar Error Periode I Periode III Periode I Periode III Periode I Periode III Periode I Periode III Jamur Shiitake 212, , , ,84 3,909-22, , ,36 Jamur Tiram 338, , , ,63 37,545 39, , ,836 Jamur Kuping 140, , , ,18 29, , , Siklus Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek, hal tersebut terjadi bisa karena adanya mengikuti pola musiman, yang dipengaruhi oleh faktor hari libur dan hari besar keagamaan. Gambar 4.14 Grafik Siklus Permintaan

31 61 Pada grafikditas menunjukan siklus permintaan Jamur Shitake, Shimeji dan Kuping mulai dari bulan Januari sampai dengan Maret cederung memiliki peningkatan permintaan pasar, namun terjadi penurunan pada bulan April dan Mei. Kemudian terjadi peningkatan kembali pada bulan Juni, lalu kembali terjadi penurunan permintaan jamur pada bulan Juli yang sangat signifikan dikarnakan faktor hari libur panjang dan hari raya lebaran sehingga konsumen cenderung mengkonsumi daging, namun kembali terjadi kenaikan permintaan pasar pada bulan Agustus dan September setelah itu, dan pada akhir tahun grafik menunjukan penurunan permintaan yang stabil dikarnakan faktor terdapat beberapa hari libur nasional dan hari raya natal serta tahun baru yang cenderung konsumen tidak terlalu mengkonsumsi jamur pada hari-hari tersebut Hasil Peramalan yang Terpilih Dalam menentukan metode peramalan yang akan terpilih, maka harus dilihat nilai MAD, MSE, BIAS dan SE. Metode yang memiliki nilai error terkecil akan menjadi metode terpilih. Maka Pembobotan nilai-nilai error untuk mendapatkan metode terpilih berdasarkan metode yang memiliki error terkecil. Dipilih metode yang memiliki nilai error terkecil karena semakin kecil kesalahan yang terjadi maka hasil peramalan yang diperoleh semakin akurat. Hasil pembobotan kemudian dijumlah dan ditentukan rangking berdasarkan total bobot. Dan berikut adalah tabel hasil rangking terpilih :

32 62 Tabel 4.29 Data Rekapitulasi Ranking Hasil Peramalan Jamur Trend Analisis (Peringkat 1) Produk MAD MSE BIAS Standar Error (Mean Error) Jamur Shiitake 166, , ,47 Jamur Tiram 174, , ,929 Jamur Kuping 95, , ,271 Exponential Smoothing (Peringkat 2) Produk MAD MSE BIAS Standar Error (Mean Error) Jamur Shiitake 180, ,38 14, ,076 Jamur Tiram 248, ,81 76, ,228 Jamur Kuping 117, ,36 64, ,788 Moving Average (Peringkat 3) BIAS MAD MSE Produk (Mean Error) Standar Error Periode I Periode III Periode I Periode III Periode I Periode III Periode I Periode III Jamur Shiitake 212, , , ,84 3,909-22, , ,36 Jamur Tiram 338, , , ,63 37,545 39, , ,836 Jamur Kuping 140, , , ,18 29, , ,727 Dari tabel data rekapitulasi ranking hasil peramalan tersebut, maka terpilih hasil metode Trend Analysis yang memiliki nilai error terkecil, dan didapat keseluruhan data permintaan dan peramalan pada tabel berikut :

33 63 Tabel 4.30 Data hasil permintaan dan peramalan Jamur No. Periode Jamur Shiitake Jamur Tiram Jamur Kuping Demand Forecast Demand Forecast Demand Forecast 1 Januari 1,645 1,758 2,719 2,790 2,296 2,376 2 Februari 1,773 1,750 2,795 2,827 2,481 2,404 3 Maret 1,941 1,743 3,194 2,863 2,508 2,433 4 April 1,796 1,735 2,805 2,899 2,411 2,462 5 Mei 1,894 1,728 2,698 2,935 2,388 2,491 6 Juni 1,845 1,720 3,207 2,971 2,745 2,520 7 Juli 1,137 1,713 2,579 3,007 2,422 2,548 8 Agustus 1,394 1,705 3,397 3,044 2,523 2,577 9 September 1,926 1,698 2,951 3,080 2,513 2, Oktober 1,776 1,690 3,218 3,116 2,779 2, November 1,784 1,683 3,177 3,152 2,717 2, Desember 1,688 1,675 3,132 3,188 2,625 2,692

34 Konsep Distribution Resources Planning (DRP) Distribution Resources Planning lebih menekankan pada aktivitas penjadwalan daripada aktivitas pemesanan. DRP mengantisipasi kebutuhan mendatang dengan perencanaan pada setiap level pada jaringan distribusi. Tabel 4.31 Lead Time dan Safety Stock Gudang Keterangan Gudang Central Supply Jamur Shiitake Jamur Tiram Jamur Kuping Lead Time 1 Bulan 1 Bulan 1 Bulan Safety Stoct 200 Pack 200 Pack 200 Pack Selain itu Distribution Resources Planning juga membutuhkan Teknik penetapan ukuran lot, yang mana ukuran lot yang dipakai adalah lot for lot. Teknik ini dilakukan atas dasar pesanan diskrit. Teknik ini selalu melakukan perhitungan kembali (bersifat dinamis) terutama apabila terjadi perubahan pada kebutuhan bersih.

35 Penjadwalan Distribution Resources Planning (DRP) Produk Jamur Shiitake Tabel 4.32 Perhitungan Distribution Resources Planning (DRP) Produk Jamur Shiitake Lead Time 1 bulan JAMUR SHIITAKE On Hand 200 TIME PERIOD Lot size Pack/ 100gr Gross Requierement 1,758 1,750 1,743 1,735 1,728 1,720 1,713 1,705 1,698 1,690 1,683 1,675 Lot For Lot (LFL) On hand Nett Requirement 1,558 1,550 1,543 1,535 1,528 1,520 1,513 1,505 1,498 1,490 1,483 1,475 Plant Order Rceipt 1,558 1,550 1,543 1,535 1,528 1,520 1,513 1,505 1,498 1,490 1,483 1,475 Planned Order Release 1,558 1,550 1,543 1,535 1,528 1,520 1,513 1,505 1,498 1,490 1,483 1,475 Tabel 4.33 Perhitungan Distribution Resources Planning (DRP) Produk Jamur Tiram

36 66 Lead Time 1 bulan JAMUR TIRAM On Hand 200 TIME PERIOD Lot size Pack/ 100gr Gross Requierement 2,790 2,827 2,863 2,899 2,935 2,971 3,007 3,044 3,080 3,116 3,152 3,188 On hand Lot For Lot Nett Requirement 2,590 2,627 2,663 2,699 2,735 2,771 2,807 2,844 2,880 2,916 2,952 2,988 (LFL) Plant Order Rceipt 2,590 2,627 2,663 2,699 2,735 2,771 2,807 2,844 2,880 2,916 2,952 2,988 Planned Order Release 2,590 2,627 2,663 2,699 2,735 2,771 2,807 2,844 2,880 2,916 2,952 2,988 Tabel 4.34 Perhitungan Distribution Resources Planning (DRP) Produk Jamur Kuping Lead Time 1 bulan JAMUR KUPING On Hand 200 TIME PERIOD Lot size Pack/ 100gr Gross Requierement 2,376 2,404 2,433 2,462 2,491 2,520 2,548 2,577 2,606 2,635 2,664 2,692 On hand Lot For Lot Nett Requirement 2,176 2,204 2,233 2,262 2,291 2,320 2,348 2,377 2,406 2,435 2,464 2,492 (LFL) Plant Order Rceipt 2,176 2,204 2,233 2,262 2,291 2,320 2,348 2,377 2,406 2,435 2,464 2,492 Planned Order Release 2,176 2,204 2,233 2,262 2,291 2,320 2,348 2,377 2,406 2,435 2,464 2,492