analisis peramalan terhadap permintaan benang …/analisis... · lampiran 11 surat keterangan...
TRANSCRIPT
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG
ACRYLIC RAW WHITE YARN PT. HANIL INDONESIA BOYOLALI
TUGAS AKHIR
Diajukan Untuk Melengkapi Syarat-Syarat Mencapai Sebutan Gelar Ahli Madya Manajemen Bisnis
Oleh:
INDRA IBRAHIM F3509038
PROGRAM STUDI DIPLOMA III MANAJEMEN BISNIS FAKULTAS EKONOMI
UNIVERSITAS SEBELAS MARET SURAKARTA 2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iv
MOTTO
Cintailah pasanganmu seperti engkau mencintai hidupmu karena sesungguhnya
pasanganmu adalah jiwa yang mengalir didalam hidupmu
(Khalil Gibran)
“Jangan terlalu berlarut-larut atas kesedihan dan kekecewaan di masa lalu, karena
itu hanyalah suatu kebodohan yang teramat besar. Bangkit dan percayalah bahwa
hari esok masih ada sejuta kebahagiaan. Asal kita berusaha, kita akan
menikmatinya”
(Aditya Khusharyanto)
Sukses- gagal, jatuh- bangun, susah- senang, puas- kecewa, adalah nuansa
kehidupan yang justru bisa membuat kita semakin indah dan artistik, serta
menjadikan jiwa kita semakin kaya pengalaman.
Jadilah diri sendiri, dengan ini dapat membentuk kepribadian yang sesungguhnya
(Muhammad Fauzi)
Karya ini dipersembahkan
kepada:
- Bapak dan Ibu tercinta
- Kakak dan Adik
tersayang
- Almameter
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
PERSEMBAHAN
Karya sederhana ini saya persembahkan untuk:
1. Allah SWT yang telah memberikan saya nikmat iman, serta
nikmat sehat sehingga saya mampu menyelesaikan tugas akhir ini.
2. Ayah dan Ibu yang telah menghidupi saya selama ini. Terima
kasih atas semua yang telah kalian berikan. Kalianlah orang tua
terbaik.
3. Keluarga tercinta yang telah memberikan semangat hidup
bagi saya selama ini.
4. Teman-teman Manajemen Industri angkatan ’09, terima kasih
atas kebersamaan, keceriaan dan kekompakannya selama ini, kalian
adalah yang terbaik.
5. Untuk teman- teman d’brother dan purwogendeng semangat
terus agar kita bisa meraih apa yang kita cita- citakan. Kalian
merupakan teman- teman yang seru.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat dan karunianya sehingga laporan tugas akhir dengan judul
ANALISIS PERAMALAN TERHADAP PERMINTAAN BENANG ACRYLIC
RAW WHITE YARN PT. HANIL INDONESIA BOYOLALI, ini dapat
diselesaikan dengan baik.
Tugas akhir ini disusun untuk memenuhi syarat- syarat mencapai gelar
Ahli Madya pada program D3 Manajemen Bisnis Fakultas Ekonomi Universitas
Sebelas Maret Surakarta.
Dalam kesempatan ini penulis sampaikan ucapan trimakasih kepada pihak-
pihak yang membantu penyusunan laporan tugas akhir ini:
1. Bapak prof. Dr. wisnu untoro, MS selaku dekan Fakultas
Ekonomi Universitas Sebelas Maret
2. Ibu Arum Setyowati selaku pembimbing tugas akhir yang
telah memberikan pengarahan selama penyusunan tugas akhir.
3. Ibu Sinto Sunaryo, SE, MSI selaku ketua Program Studi
Diploma 3 Manajemen Bisnis Universitas Sebelas Maret.
4. Bapak Budi Utomo selaku Kepala Produksi di PT. Hanil
Indonesia, terima kasih atas segala bantuan dalam mengatasi berbagai
kesulitan di magang kerja.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
5. Bapak Edy selaku Manajer HRD di PT. Hanil Indonesia yang
telah memberikan izin kepada kami untuk melakukan magang kerja
dan telah banyak membantu dalam proses magang.
6. Seluruh Staff dan Karyawan PT. Hanil Indonesia yang telah
memberikan bantuan selama penelitian.
7. Bapak dan Ibu Dosen serta segenap karyawan Fakultas
Ekonomi UNS
8. Teman- temanku seperjuangan di Manajemen Bisnis.
Terimakasih semuanya.
9. Semua pihak yang tidak mungkin disebutkan satu persatu
yang secara langsung maupun tidak langsung yang telah banyak
membantu penulis dalam menyelesaikan tugas akhir ini.
Penulis menyadari sepenuhnya atas kekurangan dalam penulisan tugas
akhir ini. Untuk itu penulis mengharapkan kritik dan saran yang membangun.
Namun demikian, karya sederhana ini diharapkan dapat bermanfaat bagi pihak-
puhak yang membutuhkan.
Surakarta,
Penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
DAFTAR ISI
ABSTRAK ............................................................................................................... i
ABSTRACT............................................................................................................. ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ............................................................................... iv
HALAMAN MOTTO ............................................................................................. v
HALAMAN PERSEMBAHAN ............................................................................. vi
KATA PENGANTAR............................................................................................. vii
DAFTAR ISI............................................................................................................ ix
DAFTAR TABEL ................................................................................................... xiii
DAFTAR GAMBAR .............................................................................................. xiv
DAFTAR LAMPIRAN ........................................................................................... xv
BAB I PENDAHULUAN .................................................................................... 1
A. Latar Belakang ................................................................................ 1
B. Rumusan Masalah ........................................................................... 3
C. Tujuan Penelitian ............................................................................ 3
D. Manfaat Penelitian .......................................................................... 5
E. Metode penelitian............................................................................ 5
1. Objek penelitian .............................................................................. 5
2. Desain penelitian ............................................................................. 5
3. Sumber data ..................................................................................... 6
4. Teknik pengumpulan data .............................................................. 6
5. Teknik analisis data ........................................................................ 7
a. Single moving average ......................................................... 7
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
b. Weighted moving average .................................................... 8
c. Exponential smoothing ......................................................... 9
d. Pengukuran hasil akurasi peramalan.................................... 10
6. Alat analisis data ............................................................................. 11
F. Kerangka Pemikiran ....................................................................... 13
BAB II TINJAUAN PUSTAKA ........................................................................... 15
A. Pengertian Peramalan ..................................................................... 15
B. Tujuan Peramalan ........................................................................... 16
C. Jenis Peramalan ............................................................................... 16
D. Peramalan menurut horizon waktu ................................................ 17
E. Karakteristik Peramalan ................................................................. 18
F. Metode Peramalan .......................................................................... 18
1. Jenis pendekatan peramalan ........................................................... 18
a. Teknik Kualitatif ................................................................... 18
b. Teknik Kuantitatif ................................................................. 19
1) Time series ................................................................... 19
2) Asosiatif ....................................................................... 23
2. Pengukuran hasil akurasi peramalan ............................................. 25
BAB III PEMBAHASAN ....................................................................................... 28
A. Gambaran umum perusahaan ......................................................... 28
1. Sejarah Perusahaan ......................................................................... 28
2. Permodalan usaha ........................................................................... 29
3. Lokasi perusahaan........................................................................... 29
4. Struktur Organisasi Perusahaan ..................................................... 31
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
5. Aspek Personalia ............................................................................. 34
B. Proses Produksi ............................................................................... 37
1. Proses spinning ............................................................................... 38
2. Proses dyeing .................................................................................. 43
C. Laporan Magang Kerja ................................................................... 46
1. Pengertian magang kerja ................................................................ 46
2. Tempat dan waktu pelaksanaan magang ....................................... 46
3. Manfaat magang kerja .................................................................... 46
4. Kegiatan magang kerja ................................................................... 47
D. Pembahasan ..................................................................................... 48
1. Metode single moving average ...................................................... 50
a. Single moving average 3 bulanan ........................................ 50
b. Single moving average 4 bulanan ........................................ 51
2. Metode weighted moving average ................................................. 52
a. weighted moving average 3 bulan terbobot......................... 52
b. weighted moving average 4 bulan terbobot......................... 53
3. Metode exponential smoothing ...................................................... 53
a. Metode exponential smoothing α = 0,5 ............................... 54
b. Metode exponential smootihng α = 0,9 ............................... 55
1) Hasil Peramalan bulan april ........................................ 56
2) Tingkat kesalahan bulan april..................................... 57
BAB IV PENUTUP ................................................................................................ 58
A. Kesimpulan...................................................................................... 58
B. Saran ................................................................................................ 58
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
DAFTAR PUSTAKA
LAMPIRAN
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
DAFTAR TABEL
Tabel 3.2 jumlah karyawan ..................................................................................... 33
Tabel 3.21 pembagian jam kerja............................................................................. 33
Tabel 3.22 aktivitas selama magang....................................................................... 46
Tabel 3.23 data produksi benang ............................................................................ 47
Tabel 3.24 single moving average 3 bulanan ........................................................ 48
Tabel 3.25 single moving average 4 bulanan ........................................................ 49
Tabel 3.26 weighted moving average 3 bulan terbobot ........................................ 50
Tabel 3.27 weighted moving average 4 bulan terbobot ........................................ 51
Tabel 3.28 exponential smoothing α = 0.5............................................................. 52
Tabel 3.29 exponential smoothing α = 0.9............................................................. 53
Tabel 3.30 hasil peramalan bulan April ................................................................. 53
Tabel 3.31 tingkat kesalahan................................................................................... 54
Tabel 3.32 hasil peramalan bulan April ................................................................. 55
Tabel 3.33 tingkat kesalahan................................................................................... 56
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiii
DAFTAR GAMBAR
Gambar 2.1 kerangka pemikiran ............................................................................ 5
Gambar 3.1 struktur organisasi ............................................................................... 30
Gambar 3.11 proses spinning.................................................................................. 36
Gambar 3.12 proses dyeing..................................................................................... 41
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiv
DAFTAR LAMPIRAN
Lampiran 1 POM windows single moving average 3 bulanan
Lampiran 2 POM windows single moving average 4 bulanan
Lampiran 3 POM windows weighted moving average 3 bulan terbobot
Lampiran 4 POM windows weighted moving average 4 bulan terbobot
Lampiran 5 POM windows exponential smoothing α = 0.5
Lampiran 6 POM windows exponential smoothing α = 0.9
Lampiran 7 acrylic staple fiber (bahan baku serat pendek)
Lampiran 8 acrylic tow (bahan baku serat panjang)
Lampiran 9 hasil produksi acrylic dyed yarn (hank)
Lampiran 10 hasil produksi acrylic dyed dan raw white yarn (cone)
Lampiran 11 surat keterangan magang
Lampiran 12 surat keterangan blanko nilai magang
Lampiran 13 surat pernyataan tugas akhir
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 1
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Di zaman peradaban dunia yang semakin modern ini, perekonomian
mengalami kemajuan yang sangat pesat dan persaingan pelaku ekonomi
juga semakin ketat. Sehingga perusahaan harus mampu bersaing dengan
perusahaan lainnya agar tetap pada jalur dunia bisnis. Yaitu dengan cara
berusaha menciptakan atau menghasilkan produk baru yang berkualitas
untuk memenuhi kepuasan konsumen.
Persaingan yang terjadi diantaranya adalah persaingan yang berkaitan
dengan kualitas produk, kemampuan perusahaan dalam memenuhi target
waktu sesuai pesanan, kemampuan pemesanan serta kemampuan
persaingan harga produk. Hal tersebut mengharuskan setiap perusahaan
untuk melakukan pengelolaan sesuai harapan yang telah ditentukan oleh
perusahaan, dan perusahaan akan mampu berkembang secara wajar sesuai
dengan target- target yang diharapkan.
Penjualan produk perusahaan dipengaruhi oleh adanya pemasaran dan
distributor. Dengan adanya fungsi pemasaran dan distributor maka produk
dapat sampai ketangan konsumen, sehingga dapat diketahui tingkat
penjualan pada produk perusahaan. Untuk menentukan besarnya penjualan
yang dapat menunjukan peningkatan atau penurunan penjualan tersebut,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 2
maka diperlukan peramalan penjualan untuk masa yang akan datang
dengan melihat data penjualan produk di masa lalu.
Masalah peramalan menjadi sangat penting karena adanya keinginan
untuk mendapatkan sebuah hasil yang optimal, sementara terdapat selang
waktu antara keinginan dengan kejadian yang akan terjadi di masa yang
akan datang. Dalam proses pengambilan keputusan, peramalan memegang
peranan yang sangat penting agar keputusan yang diambil sekarang
memberikan hasil yang optimal untuk masa yang akan datang.
Menurut Subagyo (2002) forecasting adalah peramalan (perkiraan)
mengenai sesuatu yang belum terjadi. Dalam hal ilmu pengetahuan sosial
segala sesuatu itu belum pasti, lain halnya dengan ilmu eksakta. Jumlah
penduduk, pendapatan perkapita, volume penjualan, konsumsi dan lain
sebagainya itu selalu berubah- ubah, dalam hal ini perlu adanya data untuk
mengadakan forecast.
Kegiatan untuk mengetahui atau memperkirakan apa yang akan terjadi
pada masa yang akan datang disebut dengan peramalan (forecasting).
Fungsi peramalan sebagai perencanaan perusahaan akan masa depan dan
menemukan alternative- alternative arah langkah yang terbuka dan yang
paling utama dari fungsi peramalan adalah untuk pengambilan keputusan.
PT. HANIL INDONESIA merupakan perusahaan yang bergerak
dalam bidang tekstil (benang). Hasil produksi berupa Acrylic Raw White
Yarn dan Acrylic Dyed Yarn. Dari data – data sebelumnya Acrylic Raw
White Yarn lebih diminati atau lebih banyak diproduksi dibanding dengan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 3
Acrylic Dyed Yarn. Untuk memenuhi kebutuhan pasar maka perusahaan
harus mengetahui berapa peramalan penjualan yang akan datang sehingga
perusahaan dapat memproduksi barang sesuai dengan penjualan yang
telah diramalkan. Berdasarkan uraian diatas maka penulis mengambil
judul: ANALISIS PERAMALAN TERHADAP PERMINTAAN
BENANG ACRYLIC RAW WHITE YARN PT. HANIL INDONESIA.
B. RUMUSAN MASALAH
Berdasarkan latar belakang di atas, maka dapat dirumuskan bahwa
pokok permasalahan yang akan dibahas dalam penelitian ini adalah:
1. Berapakah peramalan permintaan produk benang Acylic Raw White
Yarn bulan April 2012 dengan metode single moving average (3
bulanan dan 4 bulanan), weighted moving average (3 bulan terbobot
dan 4 bulan terbobot) dan exponential smoothing (α= 0.5, α= 0.9)?
2. Berapakah forecast error dari hasil peramalan dengan ketiga metode
single moving average (3 bulanan dan 4 bulanan), weighted moving
average (3 bulan terbobot dan 4 bulan terbobot) dan exponential
smoothing (α= 0.5, α= 0.9)?
3. Metode peramalan apa yang paling tepat untuk menentukan
permintaan produk benang Acrylic Raw White Yarn?
C. TUJUAN PENELITIAN
Adapun tujuan penelitian ini adalah:
1. Untuk mengetahui peramalan permintaan produk benang acylic raw
white yarn bulan April 2012 dengan metode single moving average (3
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 4
bulanan dan 4 bulanan), weighted moving average (3 bulan terbobot
dan 4 bulan terbobot) dan exponential smoothing (α= 0.5, α= 0.9)
2. Untuk mengetahui forecast error dari hasil peramalan dengan ketiga
metode single moving average (3 bulanan dan 4 bulanan), weighted
moving average (3 bulan terbobot dan 4 bulan terbobot) dan
exponential smoothing (α= 0.5, α= 0.9)
3. Untuk mengetahui Metode peramalan apa yang paling tepat untuk
menentukan permintaan produk benang Acrylic Raw White Yarn
D. MANFAAT PENELITIAN
Manfaat yang dapat diambil dari penelitian ini adalah:
1. Bagi penulis
a. menambah pengetahuan dan pengalaman dengan menerapkan ilmu
pengetahuan yang diperoleh pada perkuliahan khususnya untuk
peramalan.
b. Menambah wawasan berfikir mengenai masalah peramalan PT.
HANIL INDONESIA dan mencoba untuk mencari solusinya.
2. Bagi perusahaan
a. Sebagai bahan masukan bagi manajemen perusahaan dalam
pengambilan kebijakan yang tepat.
b. Dapat membantu perusahaan dalam menentukan metode
peramalan yang tepat
c. dan untuk mengetahui tingkat penjualan sehinggan dapat membuat
rencana produksi yang sesuai pada periode yang akan datang.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 5
3. Bagi pihak lain
a. Penelitian ini diharapkan dapat dijadikan sabagai bahan masukan
untuk melakukan penelitian dengan permasalahan peramalan pada
khususnya.
b. Dapat menambah pengetahuan dan pemahaman mengenai
penelitian- penelitian yang berkaitan dengan peramalan.
E. METODE PENELITIAN.
1. Objek penelitian
Tempat yang menjadi objek penelitian adalah PT. HANIL
INDONESIA yang berlokasi di Nepen, Teras, Boyolali, PO BOX 142
Telp. (0276) 321252, 321478 Fax. (0276) 321378.
2. Desain Penelitian
Penulisan ini menggunakan desain penelitian deskriptif.
Penelitian deskriptif adalah memperoleh jawaban dari pertanyaan
tentang siapa, kapan, dimana dari suatu topik penelitian (Sumarni dan
Wahyuni, 2006). Penelitian ini merupakan deskriptif, karena dilakukan
untuk menjawab pertanyaan bagaimana yang menjadi permasalahan
utama penelitian dengan keharusan membuat deskriptif atau analisis
yang terbatas pada kasus tertentu untuk menjawab permasalahan
tersebut. Dalam penelitian ini, kasus yang diteliti yaitu mengenai
peramalan penjualan benang di PT. HANIL INDONESIA.
3. Sumber data
Sumber data dalam penelitian ini adalah sebagai berikut:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 6
Data sekunder
Yaitu data yang diperoleh secara tidak langsung dari perusahaan.
Data yang diperoleh dari catatan- catatan, studi pustaka yang relevan
dengan tujuan penelitian.
a. Data permintaan produksi
b. Sejarah perusahaan
c. Aspek personalia
4. Teknik pengumpulan data
a. Metode observasi
Metode observasi merupakan prosedur yang sistematis dan
standar dalam pengumpulan data. Dalam penelitian ini, peneliti
melakukan pengamatan dan pencatatan langsung kegiatan produksi
benang.
b. Metode interview
Metode wawancara merupakan komunikasi atau pembicaraan
dua arah yang dilakukan oleh pewawancara dan responden untuk
menggali informasi yang relevan dengan tujuan penelitian. Dalam
penelitian ini peneliti melakukan wawancara dengan pemimpin
dan karyawan PT. HANIL INDONESIA.
c. Metode studi pustaka
Metode studi pustaka adalah teknik untuk memperoleh
informasi dengan menulusuri literature yang ada, dan menggali
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 7
teori- teori yang telah berkembang. Dalam penelitian ini penulis
mempelajari literature yang berkaitan dengan peramalan.
5. Teknik analisis data
Apabila data aktual permintaan tidak membentuk kecenderungan
(trend line), maka model – model peramalan yang mempertimbangkan
kecenderungan (trend) tidak perlu dipertimbangkan. Karena pola data
tidak membentuk kecenderungan maka kita dapat mempertimbangkan
model peramalan rata – rata bergerak atau pemulusan eksponensial.
Metode ini yang digunakan dalam peramalan penjualan produk
dalam penelitian ini adalah:
a. Single moving average
Metode ini menggunakan sejumlah data aktual permintaan
yang baru untuk membangkitkan nilai ramalan untuk permintaan
dimasa yang akan datang. Metode ini akan efektif diterapkan
apabila kita dapat mengasumsikan bahwa permintaan pasar
terhadap produk akan tetap stabil sepanjang waktu, Gaspersz
(2005). Bila permintaan berubah secara signifikan dari waktu
kewaktu, ramalan harus cukup agresif dalam mengantisipasi
perubahan tersebut, sehingga nilai n yang kecil akan lebih cocok
dipakai, Nasution (2005). secara sistematis, penulisan persamaan
single moving average adalah:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 8
Rata- rata bergerak n- periode=
∑(permintaan dalam n- periode terdahulu)
n
dimana n adalah banyaknya periode dalam rata- rata bergerak.
Permasalahan umum dalam menggunakan metode rata – rata
bergerak adalah bagaimana memilih n-periode yang diperkirakan
tepat (n = 3, 4, 5, 6, dst). Dalam hal ini kita dapat menggunakan
beberapa nilai n-periode, kemudian memilih dan membandingkan
n-periode yang memiliki MAD (Mean Absolute deviation) terkecil,
Gasperz (2005).
b. Metode weighted moving average
Model rata- rata bergerak berbobot ini lebih responsive
terhadap perubahan, karena data dari periode yang baru biasanya
diberi bobot lebih besar. (Gaspersz, 2005).
secara sistematis, persamaan penulisan rumus weighted moving
average adalah sebagai berikut (render dan heizer, 2005):
Rata- rata bergerak dengan pembobotan=
∑ bobot
Keterangan:
(pembobot yang digunakan penulis dalam penilitian ini
adalah 3-bulan terbobot dan 4-bulan terbobot).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 9
Pemberian bobot weighted moving average 3 bulan terbobot
Periode (bulan) Koefisien pembobot 1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu
3 2 1
jumlah 6
Pemberian bobot weighted moving average 4 bulan terbobot
Periode (bulan) Koefisien pembobot 1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu 4 bulan (periode) yang lalu
4 3 2 1
jumlah 10
Teknik ini lebih responsif terhadap perubahan karena periode
yang lebih dekat mendapat bobot yang lebih berat. Periode yang
mendekati n dinilai paling berpengaruh untuk membuat peramalan
pada bulan n daripada periode sebelumnya. Untuk itu pada metode
weighted moving average 3 bulan terbobot, 1 bulan periode yang
lalu diberi bobot 3, 2 bulan yang lalu diberi 2 dan seterusnya.
Sama halnya dengan weighted moving average 3 bulan terbobot,
weighted moving average 4 bulan terbobot, 1 bulan yang lalu
diberi bobot 4 dan seterusnya.
c. Metode exponential smoothing
Subagyo (2002) mengemukakan bahwa metode ini adalah
suatu prosedur yang mengulang perhitungan secara terus-menerus
yang menggunakan data terbaru. Setiap data diberi bobot, dimana
bobot yang digunakan disimbolkan dengan α. Simbol α bisa
ditentukan secara bebas, yang bisa mengurangi forecast error.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 10
Nilai konstanta pemulusan (α) dapat dipilih diantara 0 dan 1.
Render dan Heizer (2005) mengemukakan merupakan metode
peramalan dengan pembobotan yang canggih tetapi masih mudah
untuk digunakan. Metode ini sedikit menggunakan data masa lalu.
Herjanto (2008) mengemukakan secara sistematis rumus
exponential smoothing dapat ditunjukkan sebagai berikut:
= peramalan baru
= peramalan sebelumnya
α = konstanta
= permintaan aktual periode lalu
Apabila pola historis dari data aktual permintaan sangat
bergejolak atau tidak stabil dari waktu ke waktu, kita memilih nilai
α yang mendekati satu. Biasanya dipilih α = 0,9; namun dapat
mencoba nilai – nilai α yang lain yang mendekati 1.
Apabila pola historis dari data aktual permintaan tidak
berfluktuasi atau relatife stabil dari waktu ke waktu, kita memilih
nilai α yang mendekati 0. Biasanya dipilih nilai α = 0.1 (Gasperz,
2005)
d. Pengukuran hasil akurasi peramalan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 11
Nasution (2005) Salah satu cara mengevaluasi teknik
peramalan adalah dengan menggunakan ukuran tentang tingkat
perbedaan antara hasil peramalan dengan penjualan yang
sebenarnya terjadi. Ada 2 ukuran yang biasanya digunakan, yaitu:
1. Rata - rata deviasi mutlak (mean absolute deviation)
Merupakan rata- rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih
besar atau kecil disbanding kenyataannya. Secara sistematis,
MAD dirumuskan sebagai berikut:
MAD =
Keterangan:
At = permintaatn aktual pada periode –t
Ft = peramalan permintaan (forecast) pada periode –t
N = jumlah periode peramalan yang terlibat
2. Rata- rata kuadrat kesalahan (mean square error= MSE)
MSE dihitung dengan menjumlah kuadrat semua
kesalahan peramalan pada setiap periode peramalan. Secara
sistematis, MSE dirumuskan sebagai berikut
MSE =
Keterangan:
At = permintaatn aktual pada periode –t
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 12
Ft = peramalan permintaan (forecast) pada periode –t
N = jumlah periode peramalan yang terlibat
6. Alat analisis data
POM Windows
POM Windows merupakan program aplikasi yang secara
khusus digunakan untuk membuat solusi optimal untuk masalah –
masalah dalam bidang manajemen operasi. Program aplikasi POM
Windows ini merupakan program yang digunakan untuk membuat
estimasi / peramalan tentang hal – hal yang bersifat kuantitatif.
Ada 2 metode peramalan yang dapat digunakan dengan
program aplikasi POM For Windows, yaitu Time Series dan
associative.
Analisis Time Series merupakan teknik peramalan yang
menggunakan asumsi bahwa kondisi di masa depan merupakan fungsi
dari kondisi masa lalu. Teknik peramalan ini mengharuskan kita untuk
mengumpulkan data deret waktu pada suatu periode di masa lalu, dan
menggunakannya untuk membuat proyeksi / ramalan di masa depan.
Model ini menggunakan beberapa teknik seperti moving average,
exponential smoothing, weighted moving average dan lain – lain untuk
membuat ramalan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 13
Contoh peramalan model Time Series adalah penggunaan data
penjualan suatu produk selama beberapa bulan yang lalu untuk
memprediksi penjualan pada bulan berikutnya
F. Kerangka pemikiran
Gambar 2.1
Keterangan :
Data historis
Data permintaan produk
Metode peramalan
Single moving average,
Exponential smoothing,
dan weigthed moving
average
Pengambilan keputusan
Penentuan metode
peramalan yang tepat
Dipilih tingkat error
terkecil
Penentuan error
Mencari tingkat kesalahan
dari masing- masing
metode peramalan
Ramalan yang akan
datang
Penjualan produk yang
akan datang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 14
Pada tahap awal analisis peramalan penjualan produk dalam penelitian
ini adalah mengumpulkan data penjualan produk pada tahun sebelumnya dari
perusahaan. Selanjutnya melakukan peramalan dengan metode peramalan
yang dipilih. Setelah melakukan peramalan kemudian melakukan perhitungan
kesalahan peramalan dengan membandingkan hasil peramalan dengan hasil
permintaan produksi yang terjadi. Dan bila dapat diambil keputusan metode
manakah yang sesuai untuk meramalkan periode selanjutnya
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 15
BAB II
TINJAUAN PUSTAKA
A. PENGERTIAN PERAMALAN
Peramalan merupakan gambaran keadaan perusahaan pada masa yang
akan datang. Gambaran tersebut sangat penting bagi menajemen
perusahaan, karena dengan gambaran tersebut maka perusahaan dapat
memprediksi langkah – langkah apa saja yang diambil dalam memenuhi
permintaan konsumen. Berikut pengertian peramalan menurut pendapat
dari beberapa ahli:
1. Peramalan adalah sebuah prediksi mengenai apa yang terjadi di masa
yang akan datang (Taylor, 2001)
2. Peramalan adalah seni dan ilmu untuk memperkirakan kejadian di
masa depan (Render dan Heizer, 2009)
3. Peramalan adalah proses untuk memperkirakan beberapa kebutuhan
dimasa yang akan datang yang meliputi kebutuhan dalam ukuran
kuantitas, kualitas waktu, dan lokasi yang dibutuhkan dalam rangka
memenuhi kebutuhan barang dan jasa (Nasution, 2005)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 16
4. Forecasting adalah memperkirakan sesuatu pada waktu yang akan
datang berdasarkan waktu lampau yang telah disusun dalam laporan-
laporan statistik (Djarwanto, 2001)
B. TUJUAN PERAMALAN
Menurut subagyo (2002) tujuan peramalan adalah mendapatkan
peramalan yang bisa meminimumkan kesalahan meramal (forecast error)
yang biasa diukur dengan mean absolute error (MAD) dan mean squer
error (MSE). Sehingga dengan adanya peramalan produksi manajemen
perusahaan akan mendapatkan gambaran keadaan produksi dimasa yang
akan datang, dan akan memberikan kemudahan manajemen perusahaan
dalam menentukan kebijakan yang akan dibuat oleh perusahaan.
Menurut (Gaspersz, 2005) tujuan peramalan adalah untuk meramalkan
permintaan dari item- item independent demand dimasa yang akan datang.
C. JENIS – JENIS PERAMALAN
Menurut Render dan Heizer (2009) peramalan dapat dibedakan
menjadi 3 jenis yaitu:
1. Peramalan ekonomi
Menjelaskan siklus bisnis dengan memprediksi tingkat inflasi,
ketersediaan uang, dana, yang dibutuhkan untuk membangun
perumahan dan indikator perencanaan lainnya.
2. Peramalan teknologi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 17
Memperhatikan tingkat kemajuan teknologi yang dapat
meluncurkan produk baru yang menarik, membutuhkan pabrik, dan
peralatan baru.
3. Peramalan permintaan
Proyeksi permintaan untuk produk atau layanan suatu
perusahaan. Peramalan ini juga disebut peramalan penjualan, yang
mengendalikan produksi, kapasitas, serta sistem penjadwalan dan
menjadi input bagi perencanaan keuangan, pemasaran dan sumber
daya manusia.
D. PERAMALAN MENURUT HORIZON WAKTU
Peramalan dapat dibedakan menjadi 3 kelompok yaitu:
1. Peramalan jangka panjang,
yaitu peramalan yang umumnya dua sampai sepuluh tahun.
Peramalan ini digunakan untuk perencanaan produk dan perencanaan
sumberdaya.
2. Peramalan jangka menengah,
yaitu peramalan yang umumnya satu sampai dua tahun.
Peramalan ini lebih mengkhususkan dibandingkan peramalan jangka
panjang, biasanya digunakan untuk menentukan aliran kas,
perencanaan produksi, dan penentuan anggaran.
3. Peramalan jangka pendek,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 18
yaitu peramalan yang umunnya satu sampai lima minggu.
Peramalan ini digunakan untuk mengambil keputusan dalam hal perlu
tidaknya lembur, penjadwalan kerja dan lain- lain, nasution (2005).
E. KARAKTERISTIK PERAMALAN
Karakteristik peramalan yang baik menurut ishak (2010)
1. Akurasi
Diukur dengan kebiasaan dan kekonsistenan peramalan
tersebut.
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan
adalah tergantung dari jumlah item yang diramalkan, lama periode,
dan metode peramalan yang dipakai.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat
dan mudah diaplikasikan akan membuat keuntungan bagi perusahaan
F. METODE PERAMALAN
1. Jenis pendekatan peramalan
Menurut Render dan Heizer (2009) ada dua jenis pendekatan
dalam peramalan:
a. Teknik Kualitatif
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 19
Yaitu peramalan yang menggabungkan faktor- faktor penting
seperti pengambilan keputusan, pengalaman pribadi, emosi, dan
sistem nilai.
1) Keputusan dari pendapat juri eksekutif
Teknik peramalan yang meminta pendapat segolongan
kecil manajer tingkat tinggi dan menghasilkan prediksi
permintaan kelompok. Sebagai contoh, Bristol – mayers squibb
menggunakan 220 ilmuwan terkenal sebagai pendapat juri
eksekutif untuk mendapatkan tren masa depan dibidang
penelitian medis.
2) Metode Delphi
Teknik peramalan yang menggunakan proses kelompok
dimana para pakar melakukan peramalan. Sebagai contoh,
Negara bagian alaska menggunakan metode Delphi untuk
meramalkan ekonomi jangka panjangnya.
3) Komposit tenaga penjualan
Teknik peramalan berdasarkan prediksi tenaga
penjualan akan penjualan yang diharapkan.
4) Survei pasar konsumen
Metode peramalan yang meminta input dari konsumen
mengenai rencana pembelian mereka dimasa depan.
b. Teknik Kuantitatif
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 20
Metode ini menggunakan berbagai model matematis yang
menggunakan data historis dan variabel kausal untuk meramalkan
penjualan.
1) Model Time Series:
Membuat prediksi dengan asumsi bahwa masa depan
merupakan fungsi dari masa lalu.
a. Single moving average
Metode ini menggunakan sejumlah data aktual
permintaan yang baru untuk membangkitkan nilai ramalan
untuk permintaan dimasa yang akan datang. Metode ini
akan efektif diterapkan apabila kita dapat mengasumsikan
bahwa permintaan pasar tehadap produk akan tetap stabil
sepanjang waktu, Gaspersz (2005). Bila permintaan
berubah secara signifikan dari waktu kewaktu, ramalan
harus cukup agresif dalam mengantisipasi perubahan
tersebut, sehingga nilai n yang kecil akan lebih cocok
dipakai, Nasution (2005) . secara sistematis, penulisan
persamaan single moving average adalah:
Rata- rata bergerak n- periode=
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 21
dimana n adalah banyaknya periode dalam rata- rata
bergerak. Permasalahan umum dalam menggunakan
metode rata – rata bergerak adalah bagaimana memilih n-
periode yang diperkirakan tepat (n = 3, 4, 5, 6, dst). Dalam
hal ini kita dapat menggunakan beberapa nilai n-periode,
kemudian memilih dan membandingkan n-periode yang
memiliki MAD (Mean Absolute deviation) terkecil,
Gasperz (2005).
b. Metode weighted moving average
Model rata- rata bergerak berbobot ini lebih responsive
terhadap perubahan, karena data dari periode yang baru
biasanya diberi bobot lebih besar. (Gaspersz, 2005).Secara
sistematis, persamaan penulisan rumus weighted moving
average adalah sebagai berikut (Render dan Heizer, 2005):
Rata- rata bergerak dengan pembobotan=
∑ bobot
Keterangan:
(pembobot yang digunakan penulis dalam penilitian
ini adalah 3-bulan terbobot dan 4-bulan terbobot).
Pemberian bobot weighted moving average 3 bulan terbobot
Periode (bulan) Koefisien pembobot
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 22
1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu
3 2 1
Jumlah 6
Pemberian bobot weighted moving average 4 bulan terbobot
Periode (bulan) Koefisien pembobot 1 bulan (periode) yang lalu 2 bulan (periode) yang lalu 3 bulan (periode) yang lalu 4 bulan (periode) yang lalu
4 3 2 1
Jumlah 10
Teknik ini lebih responsif terhadap perubahan karena
periode yang lebih dekat mendapat bobot yang lebih berat.
Periode yang mendekati n dinilai paling berpengaruh untuk
membuat peramalan pada bulan n daripada periode
sebelumnya. Untuk itu pada metode weighted moving
average 3 bulan terbobot, 1 bulan periode yang lalu diberi
bobot 3, 2 bulan yang lalu diberi 2 dan seterusnya. Sama
halnya dengan weighted moving average 3 bulan terbobot,
weighted moving average 4 bulan terbobot, 1 bulan yang
lalu diberi bobot 4 dan seterusnya.
c. Metode exponential smoothing
Subagyo (2002) mengemukakan bahwa metode ini
adalah suatu prosedur yang mengulang perhitungan secara
terus-menerus yang menggunakan data terbaru. Setiap data
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 23
diberi bobot, dimana bobot yang digunakan disimbolkan
dengan α. Simbol α bisa ditentukan secara bebas, yang bisa
mengurangi forecast error. Nilai konstanta pemulusan (α)
dapat dipilih diantara 0 dan 1. Render dan Heizer (2005)
mengemukakan merupakan metode peramalan dengan
pembobotan yang canggih tetapi masih mudah untuk
digunakan. Metode ini sedikit menggunakan data masa
lalu. Herjanto (2008) mengemukakan secara sistematis
rumus exponential smoothing dapat ditunjukkan sebagai
berikut:
Ft = peramalan baru
= peramalan sebelumnya
α = konstanta
= permintaan aktual periode lalu
Apabila pola historis dari data aktual permintaan sangat
bergejolak atau tidak stabil dari waktu ke waktu, kita
memilih nilai α yang mendekati satu. Biasanya dipilih α =
0,9; namun dapat mencoba nilai – nilai α yang lain yang
mendekati 1.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 24
Apabila pola historis dari data aktual permintaan tidak
berfluktuasi atau relatife stabil dari waktu ke waktu, kita
memilih nilai α yang mendekati 0. Biasanya dipilih nilai α
= 0.1 (Gasperz, 2005)
2) Model asosiatif
Hubungan sebab – akibat, seperti regresi linier,
menggabungkan banyak variabel atau faktor yang mungkin
mempengaruhi kuantitas yang sedang diramalkan.
a. Analisis regresi linier
Model matematis yang sama kita gunakan pada metode
kuadrat terkecil dari proyeksi tren untuk melakukan
analisis regresi linier. Variabel terikat yang kita inginkan
akan tetap sama yaitu . Namun, sekarang variable bebas
adalah x, tidak lagi waktu. Persamaan yang digunakan
adalah :
Dimana:
γ = nilai variabel terikat
a = perpotongsn sumbu γ
b = kemiringan garis regresi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 25
x = variabel bebas
b. Analisis regresi majemuk
Regresi majemuk dapat kita gunakan untuk
menciptakan sebuah model dengan beberapa variabel
bebas. Sebagai contoh, jika nodel ingin memasukkan
tingkat bunga tahunan rata – rata dalam model peramalan
penjualannya, maka persamaannya adalah:
+
Dimana:
γ = variabel terikat, penjualan
a = sebuah konstanta
= nilai dua variabel bebas berturut – turut
= koefisien dari dua variabel bebas
Apabila data aktual permintaan tidak membentuk
kecenderungan (trend line), maka model – model
peramalan yang mempertimbangkan kecenderungan (trend)
tidak perlu dipertimbangkan. Karena pola data tidak
membentuk kecenderungan maka kita dapat
mempertimbangkan model peramalan rata – rata bergerak
atau pemulusan eksponensial.
2. Pengukuran hasil akurasi peramalan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 26
Salah satu cara mengevaluasi teknik peramalan adalah dengan
menggunakan ukuran tentang tingkat perbedaan antara hasil peramalan
dengan penjualan yang sebenarnya terjadi. Ada 4 ukuran yang
biasanya digunakan, yaitu:
a. Rata- rata deviasi mutlak (mean absolute deviation)
MAD merupakan rata- rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih besar
atau kecil dibanding kenyataannya. Secara sistematis, MAD
dirumuskan sebagai berikut:
MAD=
Keterangan:
At = permintaatn aktual pada periode –t
Ft = peramalan permintaan (forecast) pada periode –t
N = jumlah periode peramalan yang terlibat
b. Rata- rata kuadrat kesalahan (mean square error= MSE)
MSE dihitung dengan menjumlah kuadrat semua kesalahan
peramalan pada setiap periode peramalan. Secara sistematis, MSE
dirumuskan sebagai berikut
MSE=
Keterangan:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 27
At = permintaatn aktual pada periode –t
Ft = peramalan permintaan (forecast) pada periode –t
N = jumlah periode peramalan yang terlibat
(Nasution, 2005)
c. Rata- rata kesalahan peramalan (mean forecast error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil
peramalan selama periode tertentu terlalu tinggi atau rendah. Bila
hasil peramalan tidak bias, maka nilai MFE akan mendekati nol.
MFE dihitung dengan menjumlahkan semua kesalahan peramalan
selama periode peramalan dan membaginya dengan jumlah periode
peramalan. Secara matematis, MFE dinyatakan sebagai berikut:
MFE=
Keterangan:
At = permintaatn aktual pada periode –t
Ft = peramalan permintaan (forecast) pada periode –t
N = jumlah periode peramalan yang terlibat
d. Rata- rata presentase kesalahan absolute (mean absolute
percentage error = MAPE)
MAPE merupakan ukuran kesalahan relative. MAPE biasanya
lebih berarti dibandingkan MAD karena MAPE menyatakan
persentase kesalahan hasil peramalan terhadap permintaan aktual
selama periode tertentu yang akan memberikan informasi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 28
persentase kesalahan terlalu tinggi atau rendah. Secara sistematis
dinyatakan sebagai berikut:
MAPE= ∑At-
At = permintaatn aktual pada periode –t
Ft = peramalan permintaan (forecast) pada periode –t
BAB III
PEMBAHASAN
A. GAMBARAN UMUM PERUSAHAAN
1. SEJARAH PERUSAHAAN
Berdasarkan akta notaris no. 25 tahun 1990 PT. Hanil
Indonesia pertama kali terdaftar pada tanggal 12 Nopember 1990
dengan nama PT. Hanil Adetex, yang modalnya merupakan kerjasama
antara Hanil Synthetic Fiber Co., LTD (Korea) yang merupakan
pemegang saham 95% dengan Adetex (Indonesia) sebesar 5%.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 29
Pada bulan Maret tahun 1991 dimulai pembangunannya
dilokasi Desa Mojolegi, Kec. Teras, Kab. Boyolali Jawa Tengah,
dengan luas area sebesar 53.023 m2 yang selanjutnya disebut Pabrik I.
Pada bulan nopember 1991 dimulai uji coba produksi dengan
kapasitas mesin terpasang sebanyak 20.000 spindel.
Pada bulan Januari tahun 1992 diadakan perluasan dengan
mengambil lokasi Desa Nepen, Kec. Teras, Kab. Boyolali sebagai
Pabrik II, dengan luas area sebesar 136.286 m2 dan dimulai proses
produksi pada bulan Agustus 1992 dengan kapasitas mesin terpasang
40.000 spindle sehingga total mesin terpasang untuk kedua pabrik
tersebut diatas sebanyak 60.000 spindle.
Pada bulan Oktober 1992 mulai dioperasikan mesin
pencelupan (dyeing) yang berkapasitas 20 ton perhari. Pada bulan
desember tahun 1995 diadakan penambahan kapasitas spinning 1600
spindle di Pabrik I Mojolegi, dan 3200 spindle di Pabrik II Nepen.
Sejalan dengan perkembangan perusahaan pada bulan Mei
tahun 2000 terjadi perubahan pemilikan Saham dan perubahan nama
yang semula saham 5% dimiliki PT. Adetex dibeli oleh Hanil
Synthetic Fiber Co., LTD sehingga merupakan 100% perusahaan
PMA dan nama yang semula PT. Hanil Adetex dirubah menjadi PT.
Hanil Indonesia.
2. PERMODALAN
a. Pada tahun 1999 – 2000 :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 30
Jumlah modal US$ 11.552.000, terdiri dari:
1. Hanil Synthetic Fiber CO., LTD (Korea) sebesar US$
10.974.000 (95%)
2. PT. Adetex (Indonesia) sebesar US$ 578.000 (5%)
b. Tahun 2000 – sekarang :
Jumlah modal US$ 11.552.000 dimiliki oleh Hanil Synthetic Fiber
CO., LTD (Korea)
3. LOKASI PERUSAHAAN
a. Adapun faktor pemilihan lokasi perusahaan Hanil Indonesia
sebagai berikut :
1. Harga tanah
Karena harga tanah yang cukup murah yang terletak
dipinggir kota dibandingkan di dalam kota sehingga menjadi
prioritas perusahaan untuk pemilihan lokasi
2. Tenaga kerja
Disekitar lokasi perusahaan tersedia tenaga kerja yang
dibutuhkan oleh perusahaan
3. Transportasi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 31
Lokasi perusahaan yang cukup strategis tidak jauh dari
jalan raya dapat mempermudah jalur akses pengangkutan.
4. Fasilitas
Tersedianya listrik dan air menjadikan kegiatan
produksi berjalan lancar.
b. Jarak lokasi perusahaan dengan kegiatan lain :
1. Sebelah utara
Pabrik nepen berbatasan dengan sungai gandul dengan
jarak +7 meter dan pemukiman masyarakat Desa Butuh
Kecamatan Mojosongo berjarak + 35 meter
2. Sebelah timur
Pabrik Nepen berbatasan langsung dengan Jalan raya
Randusari – Klaten dan pemukiman masyarakat Dukuh
Kembang, Desa Nepen, Kecamatan Teras yang berjarak + 12
meter
3. Sebelah selatan
Pabrik Nepen berbatasan langsung dengan pemukiman
masyarakat Dukuh Hendrokilo Desa Nepen Kecamatan Teras
dan berdampingan dengan kegiatan SD Nepen II yang berjarak
+ 300 meter serta kegiatan Balai Desa Nepen dengan jarak +
700 meter.
4. Sebelah barat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 32
Pabrik Nepen berbatasan langsung dengan tanah lading
/ tegalan wilayah Desa Kemiri Kecamatan Mojosongo
Boyolali.
4. STRUKTUR PERUSAHAAN
Struktur organisasi perusahaan dibuat untuk mengetahui sistem
pengorganisasian perusahaan, menjalankan tugas, wewenang dan
tanggung jawab masing - masing bagian. Fungsi pengorganisasian
dalam perusahaan adalah mengatur jalannya perusahaan secara
bersama sehingga dapat mencapai sasaran perusahaan.
Struktur organisasi akan menggambarkan secara skematis
tentang bagian- bagian tugas dan tanggung jawab serta hubungan antar
bagian atau antar departemen yang ada. Dengan demikian perusahaan
memiliki garis komando yang jelas untuk seluruh karyawan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
33
PRESIDENDIREKTUR
SOLO FACT. JAKARTA
DIREKTUR MARKETING
SPINNING DYEING GENERALEKSPORTIMPORT
GENERALAFFAIRS
ACCOUNT. SUPPLY PLANNING PABRIK I PABRIK II PABRIK III DYEING W W T UTILITYWORKSHOP
UTILITY
REWINDING
STRUKTUR ORGANISASI PT. HANIL INDONESIA
gambar 3.1
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 34
Berdasarkan gambar di atas dapat diuraikan tugas dan tanggung
jawab dari tiap kegiatan dalam struktur organisasi
a. Presiden direktur
1. Memegang jabatan tertinggi dalam suatu perusahaan
2. Menggariskan kebijaksanaan perusahaan
3. Mengangkat dan memberhentikan direktur
b. Direktur
1. Memimpin serta mengadakan pengawasan terhadap seluruh
aktivitas perusahaan
2. Mengurus dan bertanggung jawab atas kekayaan perusahaan
3. Member otoritas terhadap dokumen – dokumen perusahaan\
c. Marketing
1. Koordinator staff pemasaran dan tenaga pemasaran
2. Bertanggung jawab kepada general manager atas seluruh
kegiatan pemasaran
3. Mencari gagasan dan inovasi untuk meningkatkan omset dan
pendapatan perusahaan
4. Mengontrol, mengawasi dan menyutujui perkiraan harga jual
setiap job order
d. General affairs
1. Memberikan solusi terhadap masalah yang berasal dari
manajemen dibawahnya
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 35
2. Membuat kebijaksanaan yang menyangkutnproses kerja
dibidangnya
e. Accounting
Tugas dan wewenang adalah memasukkan dan mengolah data
keuangan perusahaan
f. Supply
Bertanggung jawab atas pemesanan bahan baku dari luar negeri
g. Planning
Bertanggung jawab atas perencanaan produksi sampai eksport
produk
h. Spinning
Mengkoordinasi bagian pabrik 1, pabrik 2, dan pabrik 3
i. Dyeing
Bertanggung jawab atas pewarnaan produk dan mengkoordinasi
bagian dyeing, rewinding dan WWT
j. Utility
Bertanggung jawab atas kebutuhan perlengkapan dan pemeliharaan
peralatan dalam kegiatan produksi
5. PERSONALIA
Keberhasilan yang diperoleh suatu perusahaan tidak terlepas dari
sumber daya manusia yang ada diperusahaan. Sehingga masalah
tenaga kerja juga harus diperhatikan oleh perusahaan. PT. Hanil
Indonesia telah merekrut tenaga kerja penduduk Solo sekitarnya
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 36
khususnya Boyolali. Secara langsung telah ikut berparitsipasi dalam
mengurangi pengangguran masyarakat Solo khususnya Boyolali
karena adanya penyerapan tenaga kerja.
a. Jumlah karyawan
Tabel 3.2 Jumlah karyawan
Karyawan jumlah karyawan laki – laki 435 orang Perempuan 1814 orang Jumlah 2249 orang
b. Pembagian jam kerja
Tabel 3.21
Pembagian Jam Kerja
Shift jam kerja overtime rutin
istirahat keterangan
day senin - jum'at 08.00 - 16.00
1 jam (libur pekerja day shift jatuh pada hari minggu)
Sabtu 08.00 - 13.00
pagi senin - jum'at 06.00 - 14.00
1 jam (masing - masing shift libur pada hari minggu dan pergantian jadwal kerja mulai hari senin) Sabtu 06.00 -
14.00 2 jam 1 jam
siang senin - jum'at 14.00 - 22.00
1 jam
Sabtu 14.00 - 22.01
2 jam 1 jam (pelaksanaan istirahat untuk pekerja shift diatur oleh bagian masing - masing secara bergiliran) malam senin - jum'at 22.00 -
06.00 1 jam
Sabtu 22.00 - 06.01
2 jam 1 jam
c. Pembebasan dari kewajiban bekerja
1. Istirahat haid bagi karyawati yaitu 2 hari
2. Istirahat hamil bagi karyawati yaitu selama 1,5 bulan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 37
3. Hari raya resmi, sesuai yang ditetapkan pemerintah sebagai
hari libur nasional
d. Pengupahan
Upah pekerja baik berstatus pekerja bulanan maupun berstatus
harian dibayarkan bulanan yaitu dibayar sebulan sekali dan
dilaksanakan setiap tanggal 10 untuk bulan sebelumnya. Jikalau
tanggal 10 jatuh pada hari minggu atau hari raya resmi, tanggal
pembayaran diajukan.
e. Keselamatan dan kesehatan kerja
Perusahaan wajib menyediakan alat keselamatan dan kesehatan
kerja perorangan untuk dipakai pekerja sesuai dengan tugas atau
sifat pekerjaan masing – masing antara lain sepatu khusus, sarung
tangan khusus, masker atau pelindung pernapasan dan pelindung
telinga.
f. Jaminan sosial dan kesejahteraan
PT. Hanil Indonesia meningkatkan kesejahteraan dan
memberikan motivasi kerja, serta memberikan jaminan sosial dan
failitas kerja diantaranya sebagai berikut:
1. Tempat ibadah
Perusahaan menyediakan tempat ibadah seperti masjid
dan memberikan kebebasan untuk melaksanakan ibadah sesuai
dengan kepercayaan masing – masing.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 38
2. Pakaian kerja
Perusahaan memberikan semua karyawan berupa
pakaian kerja untuk keefektifan dalam bekerja
3. Asuransi tenaga kerja
Setiap karyawan mendapatkan asuransi. Hal ini untuk
mengantisipasi bila karyawan mengalami saat kerja.
4. Tunjangan kesehatan
Tunjangan ini diberikan untuk karyawan yang
memerlukan, seluruh biaya pengobatan ditanggung oleh
perusahaan.
5. Bus karyawan
Perusahaan menyediakan bus karyawan untuk antar
jemput karyawan
B. PROSES PRODUKSI
PT. Hanil Indonesia merupakan perusahaan yang bergerak dibidang
tekstil (pemintalan benang). Bahan baku yang digunakan dalam
pembnuatan benag adalah acrylic tow (serat panjang) dan acrylic staple
fibre (serat pendek). Proses pembuatan benang ada 2 yaitu melalui
spinning yang berupa acrylic raw white yarn dan deying berupa acrylic
dyed yarn.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 39
1. Proses spinning
Diagram proses produksi
- Bahan Baku S.F (Staple Fibre)- Mengurai Serat S.F - Kelembaban/kadar air
S.F TOW - Pemindahan Serat S.F ke kamar Binsil ( MOISTURIZED ) Kamar - Tempat Penyimpanan Serat, Sebelum dalam Bahan Baku dan
Open Binsil Serat dimasukan ke dalam Mesin Card Benang berbeda-beda- Mengurai dan Penyisiran Serat
CARD ( Lapisan Tipis ) Moisture Content- Menghilangkan kotoran pada serat - Bahan : ± 2.0 %- Perangkapan Web - Benang : ± 0.5 %
ACD B/MB/M - Pemberian Draft- Penyisiran Serat
Re - Acrylic Filament ( Tow ) di Draft B/M dgn diberi Panas ( Heating ) -BIN : Binsil
- Serat Panjang dipotong( Draft ) -Card : Carder- Memberi Penyusutan dgn -ACD : After Card Draft
P-A/L pendinginan ( Cooling ) -B/M : Breaking Machine- Pemutusan kembali sliver -Re-B/M : Re-Breaking Machine
yang belum terpotong -P-A/L : Pre Auto Levelizer- Pencampuran C/C & T/T Sliver -A/L : Auto Levelizer- Pemberian Drafting -H/G : High Gill- Penyisiran Sliver -B/C : Bicoler
H/G A/L - Perangkapan Sliver -R/V : RoverH/G - Penyisiran Sliver -S/P : SpinningB/C - Pemberian Drafting -S/T : Steamer
-A/C : Auto Coner- Pemberian Puntiran -D/B : Doubler
R/V - Pemberian Draft -D/T : Double Twister- Penggulungan ke Bobbin Roving -R/L : Reeling- Pemberian Puntiran -A/P : Auto Packer- Pemberian Drafting -B/P : Bale Pressure
S/P - Membuat Benang Single- Penggulungan ke Bobbin Spinning- Memberi Uap Panas (Menetapkan putiran / mencegah puntiran bertentangan )
A/C - Benang Single yg cacat dihilangkan- Penggulungan ke Tube- Perangkapan Benang Single
D/B - Pemberian Tekanan pada benang- single dgn sama besar- Penggulungan ke Tube
D/T - Pemberian puntiran benang double- Pemberian kekuatan benang double
CHEESE HANK - Penggulungan ke tube/paper cone- Merubah bentuk gulungan cheese menjadi untaian benang
- Pembungkusan dan pengepresan cake dengan karung- Pembungkusan cheese dgn carton box
BOX BALEBOXKELUAR
A/P - Pengepakan hank kedalam plastik CAKE
B/P BALE
R/L HANK
PEMERIKSA - Memeriksa keadaan benang dan berat
D/BCHEESEDOUBLE
D/TCHEESE( D/T )
SPIN
NING
S/P COP
S/T
FINISHING
S/TSETTING
COP
A/CCHEESESINGLE
A/LPre-A/L
T/C SLIVER
DRAWING
SLIVER
B/C
ROVINGR/V
BIN
A.C.DC/C
SLIVER
B/M
TOW
T/T SLIVER
Keterangan
TOP MAKING
OpenerS.F
C/C SLIVER
Re-B/MT/T
SLIVER
Nama mesin :
Peta Proses Mesin Proses KeteranganHasil Produk
Sumber : Dept. Planning
Gambar 3.11
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 40
Adapun diagram proses spinning di atas dapat diuraikan sebagai berikut:
a. Opener
Bahan baku staple fibre (serat pendek) dalam bale dibuka dulu
pembungkusnya / karung + 2 jam sebelum proses sebanyak 5 bale,
agar kelembaban bahan berkurang (panjang serat 76 – 127 mm).
kemudian memasukkan bahan sedikit – sedikit kedalam mesin
opener dengan cara dicampur dari 5 bale yang sudah disiapkan tadi
(material feeding). Lalu bahan diurai (material stripping) dengan
tujuan untuk membuka dan meluruskan serat akibat bahan dipress /
bale (material hook dan raise).
b. Binsil
Setelah bahan diurai menjadi ringan lalu diangkat (sanding)
dengan fan motor (dihisap) disalurkan kekamar binsil untuk siap
proses dimesin carder.
c. CARD
Bahan yang sudah diurai dimesin opener kemudian diurai
kembali menjadi lebih lurus dengan cara menyisir serat menjadi
lapisan yang tipis (WEB) tujuannya adalah untuk menghilangkan
kotoran pada serat.
d. ACD
Serat yang tipis (WEB) dibuat rangkap double lalu dimasukkan
ke mesin ACD. Serat rangkap tersebut direnggangkan / ditarik lalu
diluruskan lagi (penyisiran serat) C/C sliver.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 41
e. B/M
Bahan baku tow proses di B/M ditarik ujungnya dimasukkan
kemesin (lebar feeding + 210 mm) lalu ditarik masuk healting
plate, diberi panas dengan suhu + 160° C, kemudian (didraft)
dipotong / renggang berulang – ulang lalu didinginkan untuk
member penyusutan bahan
f. Re-B/M
Sliver dari mesin B/M didraft kembali secara berulang- ulang
untuk menyempurnakan proses B/M dan membuat sliver rangkap
(doubling) T/T sliver.
g. Pre-A/L
Sliver dari mesin ACD (CC Sliver) dan sliver dari mesin Re-
B/M (T/T Sliver)dicampur kemudian didraft, didoubling kemudian
diluruskan lagi, T/C Sliver.
h. A/L, H/G, B/C
Sliver dari Pre-A/L dilakukan proses antara lain perangkapan,
pelurusan serat dan didraft prosesnya dari mesin A/L kemesin H/G
kemudian kemesin B/C. tujuan prosesnya untuk membuat sliver
menjadi lebih baik, Sliver.
i. R/V
Sliver dari mesin B/C didraft lagi dengan member puntiran
(twisting) kemudian menggulung pada bobbin roving, roving.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 42
j. S/P
Roving dari mesin rover didraft kembali dimesin spinner
dengan member puntiran kemudian membuat benang single dan
menggulung ke bobbin spinning, cop.
k. S/T
Khusus proses benang single, cop masuk mesin steamer/ setter
dengan member uap panas kemudian divaccum agar kandungan
airnya hilang. Tujuannya untuk menetapkan puntiran dan
mencegah puntiran yang bertentangan, cop setting.
l. A/C
Cop dan cop setting proses di auto coner / winder untuk
menghilangkan benang single yang cacat kemudian yang bagus
digulung ketube, cheede single.
m. D/B
Untuk proses benang double, cheese single dari auto coner
diproses dimesin double dengan cara merangkap cheese single
dengan member tekanan yang sama beratnya kemudian
menggulung benang double ketube, cheese double.
n. D/T
Cheese double dari mesin doubler diproses dimesin double
twister yang tujuannya memberikan kekuatan benang dengan cara
member puntiran (twister) kemudian menggulung benang twister
ke tube / cone, cheese double twister.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 43
o. R/L
Cheese double twister dan cheese single yang setting cop,
digulung menjadi untaian benang, hank.
p. PEMERIKSA
Memeriksa keadaan benang (puntiran benang dan cacat
benang) dan beratnya
q. A/P
Mengepak hank kedalam plastik, cake.
r. B/P
Mengepres cake dan membungkus karung dengan pengikat
kawat, bale
Membungkus cheese dengan karton box, box
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 44
2. Proses dyeing
Diagram Proses Bagian Dyeing ( Pencelupan )
Gambar 3.12
R.W.HJUMBI
( PERSIAPAN )OPERATOR BALANCING
-Menyiapkan -Memasukkan -Melarutkan -Menimbang benang sesuai benang ke Dyestuff & Dyestuff & resep Dyeing Spindle M/C Agent Agent sesuai
Dyeing resep Dyeing
-Mengatur proses Dyeing sesuai Heating Graph Control
Proses pewarnaanbenang RWH
Mengeluarkan benang darimesin ke kereta
Memerasbenang untukpersiapan Dry
Mengeringkanbenang, sesuaiTemperature ST
Cek kondisibenang agarkwalitas ok
Menggulung hankmenjadi bentukCones ( 9º & 11" )
Mengepakbenang coneke dalam Box
Mengirimbenang ke Buyer
MC.DYEING ( SPRAYER )
PROCON
PROSES DYEING ( PENCELUPAN )
JUMBI ( PERSIAPAN )
M/C TALSO
M/C DRYER
GEMSA ( PEMERIKSAAN )
DELIVERY
REWINDER
PACKING BOX
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 45
Tahapan proses bagian dyeing adalah sebagai berikut :
a. Persiapan
1. Benang raw white hank disiapkan sesuai dengan
resep dyeing (jobang).
2. Benang dimaskkan kespindle machine dyeing.
3. Dyestuf dan agent (balancing) ditimbang sesuai
dengan resep dyeing.
4. Dyestuff dan agent dilarutkan, kemudian
dilakukan persiapan air proses (3000 lt, 4500 lt) sesuai
dengan jobang
b. Procon
Proses dyeing diatur sesuai heating graph control.
c. Proses dyeing
Merupakan proses pewarnaan benang raw white hank
dengan waktu dan suhu tertentu sampai selesei. Dalam proses
ini juga ditambahkan softener untuk melembutkan benang
d. Jumbi (persiapan)
Merupakan proses untuk mengeluarkan benang dari mesin
dyeing kedalam kereta untuk siap masuk mesin talso
(peremas).
e. M/C talso
Benang diremas untuk persiapan dryer (pengering).
Dilakukan selama 5-6 menit dengan putaran 850-930 RPM.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 46
f. M/C Dryer
Mengeringkan benang sesuai dengan temperature steam.
g. Gemsa (pemeriksa)
Pemeriksaan benang dari dry agar kualitas bagus untuk
proses berikutnya, produk berupa dyed hank. Pada bagian
gemsa ini ada bebrapa hal lain yang dilakukan, yaitu :
1. A/P
Merupakan proses pembungkus dengan plastik menjadi
cake.
2. B/P
Cake dibungkus dalam bentuk segiempat kedalam karung
menjadi dyed hank bale dan siap untuk dikrim
3. Benang dyed hank yang tidak dibale masuk
gudang mutasi untuk persiapan Re-winding.
h. Re-winding
Hank digulung menjadi bentuk cones
i. Packing box
Benang dyed cone dipak kedalam box
j. Delivery
Benang dikirim ke buyer sesuai dengan delivery order.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 47
C. LAPORAN MAGANG KERJA
1. Pengertian magang kerja
Magang kerja meruapakan kegiatan penunjang perkuliahan
yang wajib dilakukan oleh mahasiswa dengan cara diterjunkan secara
langsung kedunia kerja dan sebagai pesyaratan untuk menyelesaikan
pendidikan D III Manajemen Industri, Fakultas Ekonomi, Universitas
Sebelas Maret Surakarta.
Dalam pelaksanaan magang kerja, mahasiswa diharapkan dapat
menerapkan ilmu yang telah diperoleh selama berada dibangku
perkuliahan dan dapat memperoleh pengalaman untuk menghadapi
dunia kerja yang sesungguhnya.
2. Tempat dan waktu pelaksanaan magang
Kegiatan magang dilakukan di PT. Hanil Indonesia yang
berlokasi di Nepen, Teras, Boyolali, PO BOX 142 Telp. (0276)
321252, 321478 Fax. (0276) 321378.
Magang kerja dilaksanakan + satu bulan dimulai tanggal 24 januari -
18 februari 2011. Magang kerja dilaksanakan setiap hari senin – sabtu
pukul 08.00 – 16.00 WIB, kecuali pada hari sabtu jam kerja
dilaksanakan mulai pukul 08.00 – 13.00 WIB.
3. Manfaat magang kerja
Magang kerja dapat memberi manfaat antara lain:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 48
a. Untuk pembelajaran dan menambah pengalaman secara
langsung dalam dunia kerja.
b. Melatih dalam memecahkan masalah yang menjadi objek
penelitian.
c. Media bersosialisasi pada dunia kerja secara nyata
d. Memeperkenalkan tentang dunia kerja secara nyata pada
lembaga yang nantinya akan menjadi tempat kerja masa depan
4. Kegiatan magang kerja
Selama kegiatan magang kerja berlangsung, mahasiswa
diwajibkan untuk mengikuti tata tertib yang telah ditentukan oleh
perusahaan diantaranya sebagai berikut:
a. Memakai pakaian hitam putih, sepatu hitam dan
id chard
b. Datang dan pulang sesuai dengan jam kerja
perusahaan
c. Apabila meninggalkan perusahaan harus ijin
satpam
d. Mahasiswa harus menaati segala bentuk
peraturan yang ada di PT. Hanil Indonesia
Selama + 1 bulan pelaksanaan magang kerja, penulis ditempatkan pada
dua bagian yaitu gudang dan bagian produksi, dengan rincian sebagai
berikut:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 49
Tabel 3.22
Aktivitas yang Dilakukan Selama Pelaksanaan Magang Kerja
No. Minggu Ke Aktivitas
1. I · Permintaan ijin untuk mengawali pelaksanaan magang dan pemberian arah oleh kepala bagian
· Perkenalan dengan staff personalia · Pengenalan pada lingkungan kerja · Penjelasan job description
2. II · Survei gudang bahan baku · Penempatan ke bagian gudang · Mengecek stock bahan baku dalam gudang · Pengkodean/ penulisan tanggal kadaluarsa · Pengenalan mesin produksi
3. III · Penempatan ke bagian spinning · Pengenalan mesin produksi · Mencatat data yang diperlukan · Mengamati Mesin spinning
4. IV · Mengumpulkan data-data yang dibutuhkan · Mempelajari data-data yang sudah didapat · Perpisahan dengan staf dan karyawan diperusahaan
Sumber : Laporan Pelaksanaan Magang Kerja Mahasiswa, Tahun 2012
D. PEMBAHASAN
PT. Hanil Indonesia merupakan perusahaan yang bergerak dibidang
tekstil pemintalan benang (spinning). Produk benang yang dihasilkan
adalah acrylic raw white yarn dan acrylic dyed yarn. Permintaan produksi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 50
benang pada PT. Hanil Indonesia dari bulan ke bulan tidak tetap kadang
ada kenaikan dan juga ada penurunan.
PT. Hanil Indonesia dalam melakukan peramalan belum menggunakan
sebuah metode. Melainkan hanya menggunakan perkiraan yang
disesuaikan dengan data produksi pada periode sebelumnya.
Untuk melakukan peramalan permintaan produksi, harus tersedia data
yang digunakan untuk menghitung peramalan yaitu data permintaan
produksi pada periode sebelumnya. Dengan memilih metode – metode
peramalan yang akan digunakan, dalam hal ini metode yang digunakan
ada 3 yaitu : metode single moving average (3 bulanan dan 4 bulanan),
weighted moving average (3 bulan terbobot dan 4 bulan terbobot) dan
exponential smoothing (α= 0.5, α= 0.9)?
Dengan membandingkan hasil peramalan dari ketiga metode tersebut,
dan memperoleh tingkat kesalahan atau error terkecil, sehingga digunakan
sebagai pedoman dalam melakukan produksi pada periode salanjutnya.
Tabel 3.23 Data produksi benang pada periode April’09 – Maret’12
Bulan produksi (kg) bulan produksi (kg) bulan produksi (kg)
April’ 9 1,218,866 April’ 10 1,250,067 April’ 11 1,298,264
Mei’ 9 1,234,719 Mei’ 10 1,164,881 Mei’ 11 1,312,454
Juni’ 9 1,274,539 Juni’ 10 1,290,056 Juni’ 11 1,224,080
Juli’ 9 1,289,947 Juli’ 10 1,283,189 Juli’ 11 1,276,940
Agustus’ 9 1,248,322 Agustus’ 10 1,198,684 Agustus’ 11 1,173,749
September’ 9 1,140,257 September’ 10 1,309,206 September’ 11 1,151,057
Oktober’ 9 1,372,629 Oktober’ 10 1,309,553 Oktober’ 11 1,296,827
November’ 9 1,190,394 November’ 10 1,233,843 November’ 11 1,273,890
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 51
Desember’ 9 1,341,545 Desember’ 10 1,286,772 Desember’ 11 1,336,353
Januari’ 10 1,288,402 Januari’ 11 1,233,698 Januari’ 12 1,295,151
Februari’ 10 1,164,901 Februari’ 11 1,137,657 Februari’ 12 1,256,116
Maret’ 10 1,341,278 Maret’ 11 1,304,254 Maret’ 12 1,393,083
Berdasarkan Tabel 3.23 dapat dilihat bahwa data permintaan benang
Acrylic Raw White Yarn berfluktuasi atau acak, untuk itu model yang
sesuai digunakan adalah model time series, karena model time series
lebih cocok untuk data yang bersifat acak dan model time series lebih
sesuai karena model ini sesuai untuk data yang terjadi selama kurun
waktu tertentu dan data yang bersifat masa lalu atau lampau.
1. Metode single moving average
Dengan rumus sebagai berikut :
Keterangan :
n= jumlah periode (3 bulanan dan 4 bulanan)
Bila permintaan berubah secara signifikan dari waktu kewaktu
nilai n yang kecil akan lebih cocok dipakai, Nasution (2005). Kita
dapat menggunakan beberapa nilai n-periode (n = 3, 4, 5, 6, dst),
kemudian memilih dan membandingkan n-periode yang memiliki
MAD terkecil, Gasperz (2005). Untuk itu penulis mengambil nilai n
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 52
yaitu 3 dan 4 bulanan karena melihat apa yang dikemukakan oleh
Gasperz diasumsikan nilai n dimulai dari 3, 4, 5, dst. Dan menurut
Nasution diambil nilai n yang terkecil.
a. Single moving average 3 bulanan
Perhitungan peramalan dengan single moving average 3
bulanan adalah sebagai berikut :
Tabel 3.24 Peramalan single moving average 3 bulanan dengan menggunakan
POM Windows
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct Error|
TOTALS 45395620 158237 2128162 1.82098E+11 1.7
AVERAGE 1260990 4795.06 64489.74 5518116000 0.05 Next period forecast 1314783 (Bias) (MAD) (MSE) (MAPE)
Std err 76642.83
Created by POM-QM for Windows
Hasil peramalan permintaan benang Acrylic Raw White Yarn
pada bulan april 2012 menggunakan POM Windows dengan
menggunakan metode single moving average 3 bulanan yaitu
1.314.783 kg dengan tingkat kesalahan MAD 64.489,74 dan MSE
5.518.116.000.
b. Single moving average 4 bulanan
Perhitungan peramalan dengan single moving average 4
bulanan adalah sebagai berikut :
Tabel 3.25 Peramalan single moving average 4 bulanan dengan menggunakan
POM Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 53
ramal solution
Demand(y) Forecast Error |Error| Error̂ 2 |Pct Error|
TOTALS 45395620 148906.5 2197327 1.94738E+11 1.76
AVERAGE 1260990 4653.33 68666.47 6085561000 0.05
Next period forecast 1320176 (Bias) (MAD) (MSE) (MAPE)
Std err 80568.39
Created by POM-QM for Windows
Hasil peramalan permintaan benang Acrylic Raw White Yarn
pada bulan april 2012 menggunakan POM Windows dengan
menggunakan metode single moving average 4 bulanan yaitu
1.320.176 kg dengan tingkat kesalahan MAD 68.666,47 dan MSE
6.085.561.000.
2. Metode weighted moving average
Dengan rumus sebagai berikut :
Keterangan :
Pembobot yang digunakan adalah 3 bulan terbobot dan 4 bulan
terbobot
a. Weighted moving average 3 bulan terbobot
Perhitungan peramalan dengan menggunakan weighted moving
average 3 bulan terbobot adalah sebagai berikut :
Tabel 3.26 Peramalan weighted moving average 3 bulan dengan
menggunakan POM Windows
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct Error|
TOTALS 45395620 141956.5 2291788 2.10235E+11 1.83
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 54
AVERAGE 1260990 4301.71 69448.13 6370758000 0.06
Next period forecast 1331105 (Bias) (MAD) (MSE) (MAPE)
Std err 82351.53
Created by POM-QM for Windows
Hasil peramalan permintaan benang Acrylic Raw White Yarn
pada bulan april 2012 menggunakan POM Windows dengan
menggunakan metode weighted moving average 3 bulan terbobot
yaitu 1.331.105 kg dengan tingkat kesalahan MAD 69.448,13 dan
MSE 6.370.758.000.
b. Weighted moving average 4 bulan terbobot
Perhitungan peramalan dengan menggunakan weighted moving
average 4 bulan tebobot adalah sebagai berikut :
Tabel 3.27 Peramalan weighted moving average 4 bulan dengan
menggunakan POM Windows
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct Error|
TOTALS 45395620 121960.4 2198889 1.99739E+11 1.76
AVERAGE 1260990 3811.26 68715.28 6241844000 0.05
Next period forecast 1326734 (Bias) (MAD) (MSE) (MAPE)
Std err 81596.37
Created by POM-QM for Windows
Hasil peramalan permintaan benang Acrylic Raw White Yarn
pada bulan april 2012 menggunakan POM Windows dengan
menggunakan metode weighted moving average 4 bulan terbobot
yaitu 1.326.734 kg dengan tingkat kesalahan MAD 68.715,28 dan
MSE 6.241.844.000.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 55
3. Exponential smoothing
Dengan rumus sebagai berikut :
Keterangan :
= peramalan baru
= peramalan sebelumnya
α = konstanta
= permintaan aktual periode lalu
Diterapkan pada persamaan exponential smoothing (α= 0.5, α= 0.9)
Apabila pola historis dari data aktual permintaan sangat bergejolak
atau tidak stabil dari waktu ke waktu, kita memilih nilai α yang
mendekati satu. Biasanya dipilih α = 0,9; namun dapat mencoba nilai –
nilai α yang lain yang mendekati 1 (α = 0.5, 0.6, 0.7, 0.8, 0.9),
(Gasperz, 2005).
a. Exponential smoothing (α= 0.5)
Perhitungan peramalan dengan menggunakan exponential
smoothing α= 0.5 adalah sebagai berikut :
Tabel 3.28 Peramalan exponential smoothing α= 0.5 dengan menggunakan
POM Windows
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct Error|
TOTALS 45395620 231444.5 2345356 2.15217E+11 1.87
AVERAGE 1260990 6612.7 67010.17 6149065000 0.05
Next period forecast 1334589 (Bias) (MAD) (MSE) (MAPE)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 56
Std err 80757.27
Created by POM-QM for Windows
Hasil peramalan permintaan benang Acrylic Raw White Yarn
pada bulan april 2012 menggunakan POM Windows dengan
menggunakan metode exponential smoothing α= 0.5 yaitu
1.334.589 kg dengan tingkat kesalahan MAD 67.010,17 dan MSE
6.149.065.000.
b. Exponential smoothing (α= 0.9)
Perhitungan peramalan dengan menggunakan exponential
smoothing α= 0.9 adalah sebagai berikut.
Tabel 3.29 Peramalan exponential smoothing α= 0.9 dengan menggunakan
POM Windows
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct Error|
TOTALS 45395620 178828.4 2696846 3.09264E+11 2.14
AVERAGE 1260990 5109.38 77052.74 8836118000 0.06
Next period forecast 1379812 (Bias) (MAD) (MSE) (MAPE)
Std err 96807.23
Created by POM-QM for Windows
Hasil peramalan permintaan benang Acrylic Raw White Yarn
pada bulan april 2012 menggunakan POM Windows dengan
menggunakan metode exponential smoothing α= 0.9 yaitu
1.379.812 kg dengan tingkat kesalahan MAD 77.052,74 dan MSE
8.836.118.000.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 57
Dari pembahasan di atas dapat diketahui peramalan dan tingkat
kesalahan bulan april adalah sebagai berikut:
1. Peramalan
Tabel 3.30 Hasil Peramalan Permintaan produksi benang Acrilyc Raw White Yarn bulan April 2012 dengan 3 Metode Peramalan
no Metode peramalan (kg)
1 single moving average
3 bulanan 1,314,783 4 bulanan 1,320,176
2 weighted moving average
3 bulan terbobot 1,331,105 4 bulan terbobot 1,326,734
3 exponential smoothing
α5 1,334,600 α9 1,379,812
Dari data diatas dapat diketahui bahwa untuk peramalan
pada bulan april 2012 dengan metode single moving average 3
bulanan adalah 1,314,783, dan 4 bulanan, 1,320,176, metode
weighted moving average 3 bulan terbobot adalah 1,331,105
dan 4 bulan terbobot, 1,326,734, dan metode exponential
smoothing α5, 1,334,600 dan α9 yaitu 1,379,812.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 58
2. Tingkat kesalahan
Tabel 3.31 Pengukuran Kesalahan (error) Peramalan Permintaan produksi
benang Acrilyc Raw White Yarn dengan Tiga Metode Peramalan
No Metode Peramalan pengukuran kesalahan (error)
MAD MSE
1 Single Moving Average
3 bulanan 64.489,74 5.518.116.000
4 bulanan 68.666,47 6.085.561.000
2 Weighted Moving Average
3 bulan terbobot
69.448,13 6.370.758.000
4 bulan terbobot
68.715,28 6.241.844.000
3 Exponential Smoothing
α= 0.5 67.010,17 6.149.065.000
α= 0.9 77.052,74 8.836.118.000
Dari data di atas dapat diketahui bahwa forecast error
terkecil ada pada metode single moving average 3 bulanan
yaitu MAD 64.489,74, MSE 5.518.116.000, sedangkan untuk
metode single moving average 4 bulanan MAD 68.666,47,
MSE 6.085.561.000, metode weighted moving average 3 bulan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 59
terbobot MAD 69.448,13, MSE 6.370.758.000, weighted
moving average 4 bulan terbobot, MAD 68.715,28, MSE
6.241.844.000 metode Exponential Smoothing α= 0.5 MAD
67.010,17, MSE 6.149.065.000, Exponential Smoothing α= 0.9
MAD 77.052,74, MSE 8.836.118.000.
BAB IV
KESIMPULAN DAN SARAN
A. KESIMPULAN
Berdasarkan analisis dan pembahasan pada bab III, dapat diambil
kesimpulan sebagai berikut :
Bahwa dapat diketahui forecast error terkecil ada pada metode single
moving average 3 bulanan yaitu MAD 64.489,74, dan MSE
5.518.116.000. Oleh karena itu, metode yang sesuai dan tepat digunakan
pada PT. Hanil Indonesia untuk produk Acrylic Raw White Yarn adalah
metode Single Moving Average 3 bulanan, karena memiliki tingkat error
yang terkecil dibandingkan metode lainnya.
B. SARAN
PT. Hanil Indonesia sebaiknya menerapkan metode Single Moving
Average 3 bulanan dalam meramalkan permintaan produk benang Acrylic
Raw White Yarn untuk periode mendatang. Karena metode Single Moving
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user 60
Average 3 bulanan memiliki tingkat kesalahan terkecil dibanding metode
lainnya
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
DAFTAR PUSTAKA
Gasperz, Vincent. 2005. Production Planning and Inventory Control. Jakarta: Gramedia Pustaka Umum
Herjanto, Eddy. 2008. Manajemen Operasi. Edisi Ketiga. Jakarta: Grasindo.
Ishak, Aulia. 2010. Manajemen Operasi. Edisi Pertama. Yogyakarta: Graha Ilmu.
Nasution, Arman H. 2005. Perencanaan dan Pengendalian Produksi. Surabaya: Guna Widya.
Render, Barry and Heizer, Jay. 2009. Prinsip – Prinsip Manajemen Operasi. Jakarta: Salemba Empat.
Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE.
Taylor, Bernard W. 2004. Managemen Science. Jakarta: Salemba Empat.
.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 1 POM windows single moving average 3 bulanan
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct
Error|
April 1218866
May 1234719
June 1274539
July 1289947 1242708 47239 47239 2231523000 .04
August 1248322 1266402.0 -
18079.75 18079.75 326877400 .01
September 1140257 1270936 -130679 130679 17077000000 .11
October 1372629 1226175.0 146453.6 146453.6 21448670000 .11
November 1190394 1253736 -63342 63342 4012209000 .05
December 1341545 1234427.0 107118.4 107118.4 11474350000 .08
January 1288402 1301523.0 -
13120.63 13120.63 172150800 .01
February 1164901 1273447 -108546 108546 11782230000 .09
March 1341278 1264949.0 76328.63 76328.63 5826059000 .06
April 1250067 1264860.0 -
14793.38 14793.38 218843900 .01
May 1164881 1252082 -87201 87201 7604015000 .07
June 1290056 1252075.0 37980.75 37980.75 1442537000 .03
July 1283189 1235001.0 48187.75 48187.75 2322059000 .04
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
August 1198684 1246042 -47358 47358 2242780000 .04
September 1309206 1257310.0 51896.38 51896.38 2693234000 .04
October 1309553 1263693 45860 45860 2103140000 .04
November 1233843 1272481 -38638 38638 1492895000 .03
December 1286772 1284201.0 2571.25 2571.25 6611327.0 0
January 1233698 1276723.0 -
43024.63 43024.63 1851118000 .03
February 1137657 1251438.0 -
113780.6 113780.6 12946030000 .1
March 1304254 1219376.0 84878.25 84878.25 7204317000 .07
April 1298264 1225203 73061 73061 5337910000 .06
May 1312454 1246725 65729 65729 4320302000 .05
June 1224080 1304991.0 -
80910.63 80910.63 6546529000 .07
July 1276940 1278266 -1326 1326 1758276 0
August 1173749 1271158 -97409 97409 9488513000 .08
September 1151057 1224923 -73866 73866 5456186000 .06
October 1296827 1200582 96245 96245 9263100000 .07
November 1273890 1207211 66679 66679 4446089000 .05
December 1336353 1240591.0 95761.63 95761.63 9170289000 .07
January 1295151 1302357.0 -7205.63 7205.63 51921030 0
February 1256116 1301798 -45682 45682 2086845000 .04
March 1393083 1295873.0 97209.63 97209.63 9449712000 .07
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
TOTALS 45395620 158237 2128162.0 182097800000 1.7
AVERAGE 1260990.0 4795.06 64489.74 5518116000 .05
Next period forecast
1314783.0 (Bias) (MAD) (MSE) (MAPE)
Std err 76642.83
Created by POM-QM for Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 2 POM windows single moving average 4 bulanan
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct
Error|
April 1218866
May 1234719
June 1274539
July 1289947
August 1248322 1254518.0 -6195.75 6195.75 38387320 0
September 1140257 1261882.0 -
121624.8 121624.8 14792580000 .11
October 1372629 1238266.0 134362.8 134362.8 18053350000 .1
November 1190394 1262789.0 -
72394.75 72394.75 5241000000 .06
December 1341545 1237901.0 103644.5 103644.5 10742180000 .08
January 1288402 1261206.0 27195.75 27195.75 739608800 .02
February 1164901 1298243.0 -133341.5
133341.5 17779960000 .11
March 1341278 1246311.0 94967.5 94967.5 9018826000 .07
April 1250067 1284032.0 -33964.5 33964.5 1153587000 .03
May 1164881 1261162 -96281 96281 9270031000 .08
June 1290056 1230282.0 59774.25 59774.25 3572961000 .05
July 1283189 1261571.0 21618.5 21618.5 467359600 .02
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
August 1198684 1247048.0 -
48364.25 48364.25 2339101000 .04
September 1309206 1234203.0 75003.5 75003.5 5625525000 .06
October 1309553 1270284.0 39269.25 39269.25 1542074000 .03
November 1233843 1275158 -41315 41315 1706929000 .03
December 1286772 1262822.0 23950.5 23950.5 573626400 .02
January 1233698 1284844.0 -51145.5 51145.5 2615862000 .04
February 1137657 1265967.0 -
128309.5 128309.5 16463330000 .11
March 1304254 1222993.0 81261.5 81261.5 6603431000 .06
April 1298264 1240595.0 57668.75 57668.75 3325685000 .04
May 1312454 1243468.0 68985.75 68985.75 4759034000 .05
June 1224080 1263157.0 -
39077.25 39077.25 1527031000 .03
July 1276940 1284763 -7823 7823 61199330 0
August 1173749 1277935.0 -
104185.5 104185.5 10854620000 .09
September 1151057 1246806.0 -95748.75
95748.75 9167823000 .08
October 1296827 1206457.0 90370.5 90370.5 8166828000 .07
November 1273890 1224643.0 49246.75 49246.75 2425242000 .04
December 1336353 1223881.0 112472.3 112472.3 12650010000 .08
January 1295151 1264532.0 30619.25 30619.25 937538500 .02
February 1256116 1300555.0 - 44439.25 1974847000 .04
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
44439.25
March 1393083 1290378.0 102705.5 102705.5 10548420000 .07
TOTALS 45395620 148906.5 2197327 194738000000 1.76
AVERAGE 1260990.0 4653.33 68666.47 6085561000 .05
Next period forecast
1320176.0 (Bias) (MAD) (MSE) (MAPE)
Std err 80568.39
Created by POM-QM for Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 3 POM windows weighted moving average 3 bulan terbobot
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct
Error|
April 1218866
May 1234719
June 1274539
July 1289947 1251987.0 37960.13 37960.13 1440971000 .03
August 1248322 1275606.0 -
27284.38 27284.38 744437100 .02
September 1140257 1266567.0 -126309.5
126309.5 15954090000 .11
October 1372629 1201227 171402 171402 29378650000 .12
November 1190394 1274454.0 -
84059.75 84059.75 7066041000 .07
December 1341545 1242783.0 98762.13 98762.13 9753957000 .07
January 1288402 1296342 -7940 7940 63043600 0
February 1164901 1289782.0 -
124880.6 124880.6 15595170000 .11
March 1341278 1235509.0 105769.4 105769.4 11187160000 .08
April 1250067 1273673 -23606 23606 557243300 .02
May 1164881 1266276.0 -
101395.3 101395.3 10281000000 .09
June 1290056 1222676.0 67380.13 67380.13 4540081000 .05
July 1283189 1241666.0 41522.75 41522.75 1724139000 .03
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
August 1198684 1265760 -67076 67076 4499190000 .06
September 1309206 1242081 67125 67125 4505765000 .05
October 1309553 1268029.0 41523.75 41523.75 1724222000 .03
November 1233843 1290959.0 -
57116.13 57116.13 3262252000 .05
December 1286772 1271640.0 15131.88 15131.88 228973600 .01
January 1233698 1272926.0 -
39227.88 39227.88 1538826000 .03
February 1137657 1251414.0 -113756.5
113756.5 12940540000 .1
March 1304254 1194523.0 109730.8 109730.8 12040840000 .08
April 1298264 1236962.0 61301.63 61301.63 3757889000 .05
May 1312454 1273493.0 38961.13 38961.13 1517969000 .03
June 1224080 1306357.0 -
82277.25 82277.25 6769546000 .07
July 1276940 1265902 11038 11038 121837400 0
August 1173749 1265239 -91490 91490 8370420000 .08
September 1151057 1216535.0 -65477.5 65477.5 4287303000 .06
October 1296827 1179602.0 117225.5 117225.5 13741820000 .09
November 1273890 1227724 46166 46166 2131300000 .04
December 1336353 1261064.0 75289.5 75289.5 5668509000 .06
January 1295151 1308944.0 -
13793.38 13793.38 190257200 .01
February 1256116 1305342.0 -49225.5 49225.5 2423150000 .04
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
March 1393083 1282501.0 110582.5 110582.5 12228490000 .08
TOTALS 45395620 141956.5 2291788 210235000000 1.83
AVERAGE 1260990.0 4301.71 69448.13 6370758000 .06
Next period forecast 1331105.0 (Bias) (MAD) (MSE) (MAPE)
Std err 82351.53
Created by POM-QM for Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 4 POM windows weighted moving average 4 bulan terbobot
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct
Error|
April 1218866
May 1234719
June 1274539
July 1289947
August 1248322 1267171.0 -
18848.88 18848.88 355280100 .02
September 1140257 1264693.0 -124435.6
124435.6 15484220000 .11
October 1372629 1216043.0 156586.3 156586.3 24519250000 .11
November 1190394 1269788.0 -
79393.88 79393.88 6303387000 .07
December 1341545 1240830 100715 100715 10143510000 .08
January 1288402 1282288.0 6114.25 6114.25 37384050 0
February 1164901 1293166 -128265 128265 16451910000 .11
March 1341278 1239829.0 101448.6 101448.6 10291820000 .08
April 1250067 1277816.0 -27749.38
27749.38 770027800 .02
May 1164881 1264231.0 -
99349.63 99349.63 9870348000 .09
June 1290056 1225718.0 64337.75 64337.75 4139346000 .05
July 1283189 1249628.0 33561.13 33561.13 1126349000 .03
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
August 1198684 1258275.0 -
59591.38 59591.38 3551132000 .05
September 1309206 1238930.0 70276.38 70276.38 4938769000 .05
October 1309553 1268931 40622 40622 1650147000 .03
November 1233843 1284639.0 -
50795.63 50795.63 2580196000 .04
December 1286772 1268113.0 18659.38 18659.38 348172300 .01
January 1233698 1277693.0 -
43994.88 43994.88 1935549000 .04
February 1137657 1257235.0 -
119577.6 119577.6 14298810000 .11
March 1304254 1205911.0 98343.13 98343.13 9671370000 .08
April 1298264 1238416.0 59848.5 59848.5 3581843000 .05
May 1312454 1261483 50971 50971 2598043000 .04
June 1224080 1289077.0 -64997.38
64997.38 4224659000 .05
July 1276940 1273446.0 3493.63 3493.63 12205420 0
August 1173749 1270317.0 -
96568.13 96568.13 9325403000 .08
September 1151057 1228643 -77586 77586 6019588000 .07
October 1296827 1190344.0 106483.5 106483.5 11338740000 .08
November 1273890 1226492.0 47398.25 47398.25 2246594000 .04
December 1336353 1246190.0 90162.63 90162.63 8129299000 .07
January 1295151 1291179.0 3971.63 3971.63 15773810 0
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
February 1256116 1303427 -47311 47311 2238331000 .04
March 1393083 1285651.0 107431.8 107431.8 11541580000 .08
TOTALS 45395620 121960.4 2198889 199739000000 1.76
AVERAGE 1260990.0 3811.26 68715.28 6241844000 .05
Next period forecast
1326734.0 (Bias) (MAD) (MSE) (MAPE)
Std err 81596.37
Created by POM-QM for Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 5 POM windows exponential smoothing α = 0.5
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct
Error|
April 1218866
May 1234719 1218866 15853 15853 251317600 .01
June 1274539 1226793.0 47746.5 47746.5 2279728000 .04
July 1289947 1250666.0 39281.25 39281.25 1543017000 .03
August 1248322 1270306.0 -
21984.38 21984.38 483312700 .02
September 1140257 1259314.0 -119057.3
119057.3 14174630000 .1
October 1372629 1199786.0 172843.4 172843.4 29874830000 .13
November 1190394 1286207.0 -
95813.25 95813.25 9180178000 .08
December 1341545 1238301.0 103244.4 103244.4 10659400000 .08
January 1288402 1289923.0 -1520.75 1520.75 2312681.0 0
February 1164901 1289162.0 -
124261.4 124261.4 15440890000 .11
March 1341278 1227032.0 114246.3 114246.3 13052210000 .09
April 1250067 1284155.0 -
34087.88 34087.88 1161983000 .03
May 1164881 1267111 -102230 102230 10450970000 .09
June 1290056 1215996 74060 74060 5484883000 .06
July 1283189 1253026 30163 30163 909806600 .02
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
August 1198684 1268108.0 -69423.5 69423.5 4819622000 .06
September 1309206 1233396.0 75810.25 75810.25 5747194000 .06
October 1309553 1271301.0 38252.13 38252.13 1463225000 .03
November 1233843 1290427 -56584 56584 3201749000 .05
December 1286772 1262135 24637 24637 606981800 .02
January 1233698 1274454.0 -40755.5 40755.5 1661011000 .03
February 1137657 1254076.0 -
116418.8 116418.8 13553330000 .1
March 1304254 1195866.0 108387.6 108387.6 11747880000 .08
April 1298264 1250060.0 48203.75 48203.75 2323601000 .04
May 1312454 1274162.0 38291.88 38291.88 1466268000 .03
June 1224080 1293308 -69228 69228 4792516000 .06
July 1276940 1258694 18246 18246 332916500 .01
August 1173749 1267817 -94068 94068 8848788000 .08
September 1151057 1220783 -69726 69726 4861715000 .06
October 1296827 1185920 110907 110907 12300360000 .09
November 1273890 1241374.0 32516.5 32516.5 1057323000 .03
December 1336353 1257632.0 78721.25 78721.25 6197035000 .06
January 1295151 1296992.0 -1841.38 1841.38 3390662 0
February 1256116 1296072.0 -
39955.75 39955.75 1596462000 .03
March 1393083 1276094.0 116989.1 116989.1 13686460000 .08
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
TOTALS 45395620 231444.5 2345356 215217300000 1.87
AVERAGE 1260990.0 6612.7 67010.17 6149065000 .05
Next period forecast
1334589.0 (Bias) (MAD) (MSE) (MAPE)
Std err 80757.27
Created by POM-QM for Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 6 POM windows exponential smoothing α = 0.9
ramal solution
Demand(y) Forecast Error |Error| Error^2 |Pct
Error|
April 1218866
May 1234719 1218866 15853 15853 251317600 .01
June 1274539 1233134.0 41405.25 41405.25 1714395000 .03
July 1289947 1270399.0 19548.5 19548.5 382143800 .02
August 1248322 1287992.0 -
39670.13 39670.13 1573719000 .03
September 1140257 1252289 -112032 112032 12551170000 .1
October 1372629 1151460.0 221168.8 221168.8 48915620000 .16
November 1190394 1350512.0 -
160118.1 160118.1 25637810000 .13
December 1341545 1206406.0 135139.1 135139.1 18262580000 .1
January 1288402 1328031.0 -
39629.13 39629.13 1570468000 .03
February 1164901 1292365.0 -
127463.9 127463.9 16247040000 .11
March 1341278 1177647.0 163630.6 163630.6 26774980000 .12
April 1250067 1324915.0 -
74847.88 74847.88 5602204000 .06
May 1164881 1257552.0 -
92670.75 92670.75 8587868000 .08
June 1290056 1174148.0 115907.9 115907.9 13434640000 .09
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
July 1283189 1278465.0 4723.75 4723.75 22313810 0
August 1198684 1282717.0 -
84032.63 84032.63 7061482000 .07
September 1309206 1207087.0 102118.8 102118.8 10428240000 .08
October 1309553 1298994.0 10558.88 10558.88 111489800 0
November 1233843 1308497.0 -74654.13
74654.13 5573238000 .06
December 1286772 1241308.0 45463.63 45463.63 2066941000 .04
January 1233698 1282226.0 -48527.63
48527.63 2354930000 .04
February 1137657 1238551.0 -
100893.8 100893.8 10179550000 .09
March 1304254 1147746.0 156507.6 156507.6 24494640000 .12
April 1298264 1288603.0 9660.75 9660.75 93330090 0
May 1312454 1297298.0 15156.13 15156.13 229708100 .01
June 1224080 1310938.0 -86858.38
86858.38 7544377000 .07
July 1276940 1232766.0 44174.13 44174.13 1951353000 .03
August 1173749 1272523.0 -98773.63
98773.63 9756229000 .08
September 1151057 1183626.0 -
32569.38 32569.38 1060764000 .03
October 1296827 1154314 142513 142513 20309950000 .11
November 1273890 1282576.0 -8685.75 8685.75 75442260 0
December 1336353 1274759.0 61594.38 61594.38 3793867000 .05
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
January 1295151 1330194.0 -35042.5 35042.5 1227977000 .03
February 1256116 1298655.0 -
42539.25 42539.25 1809588000 .03
March 1393083 1260370.0 132713.1 132713.1 17612770000 .1
TOTALS 45395620 178828.4 2696846 309264100000 2.14
AVERAGE 1260990.0 5109.38 77052.74 8836118000 .06
Next period forecast
1379812.0 (Bias) (MAD) (MSE) (MAPE)
Std err 96807.23
Created by POM-QM for Windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 7 acrylic staple fiber (bahan baku serat pendek)
Lampiran 8 acrylic tow (bahan baku serat panjang)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran 9 hasil produksi acrylic dyed yarn (hank)
Lampiran 10 hasil produksi acrylic dyed dan raw white yarn (cone)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran surat keterangan magang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran surat pernyataan tugas akhir
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
Lampiran surat keterangan blanko nilai magang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user