BAB IV ANALISA4.1 Analisa Pengumpulan Data Permintaan Hasil dari permintaan produk comfort taxi tahun yang lalu diketahui bahwa selama 12 bulan / periode. Dimana data tersebut diberikan oleh asisten kapada masing-masing kelompok yang akan digunakan untuk melakukan peramalan dimasa yang akan datang. 4.2 Analisa Plot Data Berdasarkan hasil plot data didapatkan grafik permintaan produk comfort taxi, dimana dapat kita lihat bentuk pola data yang mengikuti pola data horizontal. Ini di sebabkan karena hasil data yang diplotkan pada grafik dalam permintaan tidak meningkat atau menurun selama 12 bulan dimana data tersebut berfluktuasi disekitar rata-rata yang konstan, (Modul Praktikum Sistem Produksi, 2010) 4.3 Analisa Peramalan dengan Metode Moving Average Untuk melakukan pengolahan data sekaligus melakukan peramalan dimasa yang akan datang kami menggunakan metode Moving Average yang dibagi menjadi dua periode, yaitu : metode Moving Average periode I dan metode Moving Average periode II. Untuk mendapatkan hasil nilai MAD, MSE, BIAS dan Standar Errornya. 4.3.1 Metode Moving Average Periode I Dalam melakukan pengolahan data, dengan menggunakan metode Moving Average melalui perhitungan secara manual dan software QM for Windows 2.1 , didapatkan hasil untuk periode I yang berarti peramalan bergerak untuk satu bulan dan termasuk kedalam peramalan jangka pendek sehingga menghasilkan nilai untuk MAD adalah 25,09, ini dikarenakan nilai mutlak 276 dibagi dengan julah 11 bulan, MSE adalah 756,72, BIAS adalah 1,45, Standard Error adalah 30,41 dan grafik hasil peramalan menunjukkan bahwa hasil peramalan mengikuti pola data horizontal.

IV-1

4.3.2

Metode Moving Average Periode II Dalam melakukan pengolahan data, dengan menggunakan metode Moving

Average melalui perhitungan secara manual dan software QM for Windows 2.1 , pada data untuk periode II terlihat sangat berbeda untuk nilai hasilnya jika di bandingkan dengan hasil periode I, ini dikarenakan untuk data yang digunakan pada periode II menggunakan peramalan bergerak selama 2 bulan dan termasuk peramalan jangka pendek sedangkan untuk periode I menggunakan data bergerak selama I bulan. Maka didapatkan hasil untuk pengolahan data pada periode II diperoleh atau didapatkan MAD adalah 25,05, MSE adalah 833,875, BIAS adalah 1,35, Standard Error adalah 32,28 dan Grafik hasil peramalan menunjukkan bahwa hasil peramalan mengikuti pola horizontal 4.4 Analisa Peramalan Dengan Metode Exponential Smoothing Metode Exponential Smoothing digunakan untuk pola data yang berbentuk Horizontal. Tetapi dalam hal ini, tanpa mempertimbangkan data tersebut naik atau turun,karena sudah ketentuan dari modul peraktikum. Metode ini menggunakan nilai alpa atau konstanta pemulusan = 0,25, = 0,5 dan = 0,75 yang nilai antara 0 sampai 1 sebagai salah satu penentu nilai peramalan periode berikutnya. Penentuan konstanta pemulusan () yang baik adalah apabila pola data tidak stabil, maka konstanta pemulusan (),yang dipakai mendekati 1, namun apabila pola data stabil maka konstanta pemulusan mendekati 0. 4.4.1 Metode Exponential Smoothing dengan = 0,25 Dalam melakukan pengolahan data, dengan menggunakan metode

Exponential Smoothing melalui perhitungan secara manual dan software QM for Windows 2.1 didapatkan hasil untuk nilai MAD adalah 22,57, nilai MSE adalah 664,62, BIAS adalah 9,12, Standard Error adalah 28,50 ini di karenakan Penggunaan = 0,25 bahwa praktikan memiliki keyakinan terhadap penyimpangan data sebesar 25 %. dan hasil peramalan meliputi pola permintaan tahun lalu tingkat kesalahan yang baik mendekati atau aktual. Namun untuk menentukan apakah

IV-2

metode dengan = 0,25 ini kita pilih atau tidak terlebih dahulu kita bandingkan dengan metode lainnya untuk melihat tingkat kesalahan yang paling kecil. 4.4.2 Metode Exponensial Smoothing dengan = 0,50 Dalam melakukan pengolahan data, dengan menggunakan metode

Exponential Smoothing melalui perhitungan secara manual dan software QM for Windows 2.1, jika kita lihat sangat berbeda untuk setiap hasil pada metode Exponential Smoothing = 0,50 jika kita bandingkan untuk data pada metode Exponential Smoothing = 0,25 ini di karenakan pada data metode Exponential Smoothing menggunakan nilai konstanta pemulusan = 0,50 yang berarti bahwa praktikan memiliki keyakinan terhadap penyimpangan data sebesar 50 %. Berdasarkan pengolahan data untuk metode Exponential Smoothing = 0,50 maka didapatkan hasil untuk nilai MAD adalah 23,398, nilai MSE adalah 656,13, BIAS adalah 45,13, Standard Error adalah 28,31 dan hasil peramalan meliputi pola permintaan tahun lalu tingkat kesalahan yang baik mendekati atau aktual. Namun untuk menentukan apakah metode dengan = 0,50 ini kita pilih atau tidak terlebih dahulu kita bandingkan dengan metode lainnya untuk melihat tingkat kesalahan yang paling kecil. 4.4.3 Metode Exponential Smoothing Dengan = 0,75 Dalam melakukan pengolahan data dengan menggunakan metode

Exponential Smoothing melalui perhitungan secara manual dan software QM for Windows 2.1 , jika kita lihat sangat berbeda sekali untuk setiap hasil pada metode Exponential Smoothing = 0,75 jika kita bandingkan untuk data pada metode Exponential Smoothing = 0,25 dan = 0,50 ini di karenakan pada data metode Exponential Smoothing menggunakan nilai konstanta pemulusan = 0,75 yang berarti bahwa praktikan memiliki keyakinan terhadap penyimpangan data sebesar 75 %. Berdasarkan pengolahan data untuk metode Exponential Smoothing = 0,75 maka didapatkan hasil untuk nilai MAD adalah 23,25, nilai MSE adalah 699,82, BIAS adalah 2,67, Standard Error adalah 29,24 dan hasil peramalan meliputi pola permintaan tahun lalu tingkat kesalahan yang baik mendekati 0 atau aktual. Namun untuk menentukan apakah metode dengan = 0,75 ini kita pilih atau

IV-3

tidak terlebih dahulu kita bandingkan dengan metode lainnya untuk melihat tingkat kesalahan yang paling kecil. 4.5 Analisa Peramalan Dengan Metode Linear Regression Metode Linier Regression menggunakan dependent (y) dan variable independent (x). Variable y merupakan nilai dari peramalan yang akan dicari, sedangkan variable x merupakan waktu atau periode peramalan tersebut dengan persamaan y = a + bx. Dari hasil pengolahan data diperoleh MAD adalah 17,46, nilai MSE 393,55, BIAS adalah 0, ini di sebabkan karena nilai aktual permintaan dengan hasil peramalan tidak ada perbedaan sehingga kesalahan dalam peramalan hampir tidak ada. Standard Error adalah 21,73 ini disebabkan karena adanya variabel-variavel yang berbeda pada setiap kelompok periode waktu dari 1 sampai 12 yang tentunya akan berimabas pada peramalan permintaan yang akan datang. dan grafik peramalan terhadap permintaan mengikuti pola data horizontal. 4.6 Analisa Metode Terpilih Setelah mengadakan pengujian dan pengolahan data pada ketiga metode peramalan yang ada yaitu metode Moving Average, metode Exponential Smoothing dan metode Linear Regression. Dari hasil perbandingan ranking pada MAD, MSE, BIAS dan Standard Error dari ketiga metode tersebut maka dapat disimpulkan bahwa metode yang terpilih adalah metode Linear Regression karena memiliki nilai MSE 393,55 dan akumulasi bobot terkecil bernilai 1 dan nilai kesalahan terkecil pada setiap parameter serta memiliki hasil peramalan yang tidak jauh berbeda dengan permintaan aktual. 4.7 Analisa Verifikasi Metode Peramalan Dengan Moving Range Berdasarkan pengolahan data yang telah digunakan didapat Batas Kontrol Atas (BKA) adalah 62,85 dan Batas Kontrol Bawah (BKB) adalah -62,85 adalah daerah +A adalah 41,82 dan daerah A adalah -41,82. 1. 2. Pada bulan Januari posisi MR berada diantara daerah -B dan daerah C dengan nilai MR 0. Pada bulan Februari posisi MR berada diantara daerah A dengan nilai -26.

IV-4

3. 4. 5. 6. 7. 8. 9.

Pada bulan Maret posisi MR berada dibawah daerah antara -A dan B dengan nilai MR -22. pada bulan April posisi MR berada di daerah A dan diatas daerah C dengan nilai MR 7. Pada bulan Mei posisi MR berada dibawah daerah +A dengan nilai MR 32. Pada bulan Juni posisi MR berada di atas daerah A dengan nilai -47. Pada bulan Juli posisi MR berada dibawah daerah -B dengan nilai MR 3. Pada bulan Agustus posisi MR berada sekitar daerah A tetapi di bawahnya dengan nilai MR 36. Pada bulan September posisi MR berada dibawah daerah -B tetapi di atas nilai batas daerah C dengan nilai MR -10.

10. Pada bulan Oktober posisi MR berada dibawah daerah A tetapi berada diatas batas daerah -B dengan nilai MR -25. 11. Pada bulan November posisi MR berada dibawah daerah -B dengan nilai -13. 12. Pada bulan Desember posisi MR berada di daerah B dengan nilai 11 Jadi, berdasarkan perhitungan moving range yang telah dilakukan praktikan terhadap data peramalan terbaik ternyata tidak terdapat data yang out of control sehingga metode trend analisis dinyatakan sebagai metode yang terbaik maka data peramalan metode trend analisis layak digunakan dalam Proses penyusunan perencanaan produksi dan jadwal induk produksi. Ini berarti semua daerah +A dan daerah -A berada dalam batas kontrol dengan nilai +A = 41,82 dan +B = -41,82. Dan +B = 21,03 dan -B adalah -21,03 ini berarti semua daerah +B dan daerah -B berada dalam batas kontrol.

IV-5