Perencanaan dan Pengendalian Produksi , laporan forecasting PDF

Preview

Summary

BAB II IDENTIFIKASI AWAL 2.1 DATA AKTUAL 2.1.1 DATA AKTUAL MOVING AVERAGE 4 BULANAN Bulan data *Data telah ditambah 2 nim january 917 terakhir (31) february 682 march 587 april 534 may 500 june 477 july 459 august 445 september 434 october 425 november 417 december 411 2.1.2 DATA AKTUAL MOVING AVERA...

Description

Accelerat ing t he world's research.

Perencanaan dan Pengendalian Produksi , laporan forecasting Reno Raines Surakusuma

Related papers

Download a PDF Pack of t he best relat ed papers 

UI forecast ing met ode grey sist em t heory dan neural net work Indah Chairunnisa laporan prakt ikum perencanaan pengendalian produksi- modul forcast ing Yolanda windh PREDIKSI JUMLAH PELANGGARAN HUKUM DI LAUT INDONESIA MENGGUNAKAN MET ODE DOUBLE EXP… Hozairi MT

BAB II IDENTIFIKASI AWAL 2.1 DATA AKTUAL 2.1.1 DATA AKTUAL MOVING AVERAGE 4 BULANAN Bulan january february march april may june july august september october november december

data 917 682 587 534 500 477 459 445 434 425 417 411

*Data telah ditambah 2 nim terakhir (31)

2.1.2 DATA AKTUAL MOVING AVERAGE 2 BULANAN bulan januari februari maret april mei juni juli agustus september oktober nopember desember

data 480 394 355 332 316 305 297 290 285 280 276 273

*Data telah ditambah 2 nim terakhir (31)

2.1.3 DATA AKTUAL MOVING AVERAGE 6 BULANAN Bulan januari februari maret april mei juni juli agustus september oktober nopember desember

Data 884 654 560 508 475 551 661 891 773 572 392 273

*Data telah ditambah 2 nim terakhir (31)

2.1.4 DATA AKTUAL MOVING WEIGHTED AVERAGE 3 PERIODE Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Data 1371 1471 1267 1297 1368 1418 1376 1382 1556 1487 1829 1926 2265 2595 2844 2944 2165 2487 2545 2545 2709 2846 2487

*Data telah ditambah 2 nim terakhir (31) Bobot W1 W2

0.4 0.2

W3

0.4

33 34 35 36 37 38 39 40 41

3282 3475 4014 3552 3883 3752 3242 3543 4061

24 25 26 27 28 29 30 31 32

2545 2662 2662 2862 3447 3545 3867 3697 3542

42 43 44 45 46 47 48 49 50

4352 4543 4162 4352 4829 4596 4943 4813 4592

2.1.5 DATA AKTUAL MOVING WEIGHTED AVERAGE 4 PERIODE Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

Data 1371 1471 1267 1297 1368 1418 1376 1382 1556 1487 1829 1926 2265 2595 2844 2944 2165 2487 2545 2545 2709 2846 2487 2545 2662 2662 2862 3447 3545 3867 3697

32 33 34 35 36 37 38 39 40 41 42 44 45 46 47 48 49 50

3542 3282 3475 4014 3552 3883 3752 3242 3543 4061 4352 4162 4352 4829 4596 4943 4813 4592

*Data telah ditambah 2 nim terakhir (31) Bobot w1 w2 w3 w4

0.30 0.25 0.35 0.10

2.1.6 DATA AKTUAL EXPONENTIAL SMOOTHING (α = 0.87) Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

Data 6769 8662 3897 6663 3862 8652 2894 3376 6354 3687 3857 2814 8718 7352 2668 8667 3862 3662 3293 3868 8943 8662 6302 7863 3643 3858 7394 3845 7267 3717 9392 9467 9402 7923 7424 9383 6269 4009 8696

40 41 42 43 44 45 46 47 48 49 50

5377 3765 7244 6409 6867 3683 3674 8664 8820 8667 2668

*Data telah ditambah 2 nim terakhir (31) Nilai alpha = 0.87

2.1.7 DATA AKTUAL EXPONENTIAL SMOOTHING (α= 0.13) Period

Data

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

6769 8662 3897 6663 3862 8652 2894 3376 6354 3687 3857 2814 8718 7352 2668 8667 3862 3662 3293 3868 8943 8662 6302 7863 3643 3858 7394 3845 7267 3717 9392 9467 9402 7923 7424 9383 6269 4009

39 40 41 42 43 44 45 46 47 48 49 50

8696 5377 3765 7244 6409 6867 3683 3674 8664 8820 8667 2668

*Data telah ditambah 2 nim terakhir (31) Nilai alpha = 0.13

2.1.8 DATA AKTUAL MODEL LINEAR REGRESION (TREND LINEAR) Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Data 6769 8662 3897 6663 3862 8652 2894 3376 6354 3687 3857 2814 8718 7352 2668 8667 3862 3662 3293 3868 8943 8662 6302 7863 3643 3858 7394 3845 7267 3717 9392 9467 9402 7923 7424 9383 6269 4009 8696 5377

41 42 43 44 45 46 47 48 49 50

3765 7244 6409 6867 3683 3674 8664 8820 8667 2668

*Data telah ditambah 2 nim terakhir (31)

2.2 PENGOLAHAN DATA AKTUAL DENGAN HITUNGAN MANUAL 2.2.1 MOVING AVERAGE 2001 (4 BULANAN) bulan january february march april may june july august september october november december

data 917 682 587 534 500 477 459 445 434 425 417 411

Forecast

680 575,75 524,5 505,75 470,25 453,75 440,75 430,25

Forcast di dapatkan dengan rumus

2.2.2 MOVING AVERAGE 2002 (2 BULANAN) BULAN DATA januari 480 februari 394 maret 355 april 332 mei 316 juni 305 juli 297 agustus 290 september 285 oktober 280 nopember 276 desember 273 *Rumus forecast sama seperti tabel 2.2.1

FORECAST

437 374,5 343,5 324 310,5 301 293,5 287,5 282,5 273

2.2.3 MOVING AVERAGE 2003 (6 BULANAN) BULAN januari februari maret april mei juni juli agustus september oktober nopember desember *Rumus forecast sama seperti tabel 2.2.1

DATA 884 654 560 508 475 551 661 891 773 572 392 273

FORECAST

605,3333333 559,8333333 607,6666667 643,1666667 653,8333333 640

2.2.4 WEIGHTED MOVING AVERAGE 3 PERIODE Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Data 1371 1471 1267 1297 1368 1418 1376 1382 1556 1487 1829 1926 2265 2595 2844 2944 2165 2487 2545 2545

forecast

1349,4 1360,6 1313,4 1359,6 1381,2 1395,2 1449,2 1458,8 1651,4 1731 2022,8 2261,4 2562,6 2784,4 2592,4 2605,4 2381,4

BOBOT W1 W2 W3

0.4 0.2 0.4

21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

2709 2846 2487 2545 2662 2662 2862 3447 3545 3867 3697 3542 3282 3475 4014 3552 3883 3752 3242 3543 4061 4352 4543 4162 4352 4829 4596 4943 4813 4592

Forcast di dapatkan dengan rumus

Ft = w1At-1 + w2 At-2 + ...+ wn at-1

2521,8 2610,6 2698,2 2647,6 2653,8 2568,6 2615,2 2742 3016 3252,2 3634,6 3670,2 3703 3500 3463,2 3613,4 3613,6 3869,2 3698,2 3600,4 3566,4 3629,8 3970,2 4312 4314,2 4390,4 4466,8 4545 4828 4752,2

2.2.5 WEIGHTED MOVING AVERAGE 4 PERIODE PERIOD 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

DATA FORECAST 1371 1471 1267 1297 1368 1352,2 1418 1348,8 1376 1324,95 1382 1365 1556 1384,7 1487 1408,7 1829 1451,6 1926 1506,95 2265 1671,3 2595 1803,95 2844 2082,45 2944 2336,7 2165 2618,05 2487 2736,4 2545 2595,65 2545 2549,4 2709 2416,5 2846 2544 2487 2632,5 2545 2685,55 2662 2649,15 2662 2632,5 2862 2580,25 3447 2646,9 3545 2810,5 3867 3075,05 3697 3347,8 3542 3643,5 3282 3678,4 3475 3652,25 4014 3490,8 3552 3500,75 3883 3613,45 3752 3677,5 3242 3826,45 3543 3673,75

Bobot w1 w2 w3 w4

0.30 0.25 0.35 0.10

41 4061 3591,9 42 4352 3582,25 43 4543 3714,9 44 4162 4055,65 45 4352 4312,55 46 4829 4333,25 47 4596 4409,5 48 4943 4486,35 49 4813 4615,75 50 4592 4809,05 *Rumus Forcast sama seperti tabel 2.2.4

2.2.6 MODEL EXPONENTIAL SMOOTHING (α = 0.87) PERIOD

DATA

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

6769 8662 3897 6663 3862 8652 2894 3376 6354 3687 3857 2814 8718 7352 2668 8667 3862 3662 3293 3868 8943 8662 6302 7863

ESt FORECAST 6769 8415,91 4484,4583 6379,789579 4189,312645 8071,850644 3567,120584 3400,845676 5970,089938 3983,801692 3873,48422 2951,732949 7968,385283 7432,130087 3287,336911 7967,643798 4395,733694 3757,38538 3353,370099 3801,098113 8274,552755 8611,631858 6602,252142 7699,102778

6769 8415,91 4484,4583 6379,7896 4189,3126 8071,8506 3567,1206 3400,8457 5970,0899 3983,8017 3873,4842 2951,7329 7968,3853 7432,1301 3287,3369 7967,6438 4395,7337 3757,3854 3353,3701 3801,0981 8274,5528 8611,6319 6602,2521

25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

3643 3858 7394 3845 7267 3717 9392 9467 9402 7923 7424 9383 6269 4009 8696 5377 3765 7244 6409 6867 3683 3674 8664 8820 8667 2668

4170,293361 3898,598137 6939,597758 4247,297709 6874,438702 4127,467031 8707,610714 9368,279393 9397,616321 8114,700122 7513,791016 9140,002832 6642,230368 4351,319948 8131,191593 5735,044907 4021,105838 6825,023759 6463,083089 6814,490802 4090,093804 3728,092195 8022,331985 8716,303158 8673,409411 3448,703223

Forcast di dapatkan dengan rumus F (t)

= ES(t-1)

ESt

= α.At + (1 – α . F t

7699,1028 4170,2934 3898,5981 6939,5978 4247,2977 6874,4387 4127,467 8707,6107 9368,2794 9397,6163 8114,7001 7513,791 9140,0028 6642,2304 4351,3199 8131,1916 5735,0449 4021,1058 6825,0238 6463,0831 6814,4908 4090,0938 3728,0922 8022,332 8716,3032 8673,4094

2.2.7 MODEL EXPONENTIAL SMOOTHING (α = 0.13) Period 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

Data 6769 8662 3897 6663 3862 8652 2894 3376 6354 3687 3857 2814 8718 7352 2668 8667 3862 3662 3293 3868 8943 8662 6302 7863 3643 3858 7394 3845 7267 3717 9392 9467 9402 7923 7424 9383 6269 4009 8696

Period x Data2 forecast Data 6769 1 5358.83 17324 4 5387.34 11691 9 5415.86 26652 16 5444.38 19310 25 5472.89 51912 36 5501.41 20258 49 5529.93 27008 64 5558.44 57186 81 5586.96 36870 100 5615.48 42427 121 5643.99 33768 144 5672.51 113334 169 5701.03 102928 196 5729.54 40020 225 5758.06 138672 256 5786.57 65654 289 5815.09 65916 324 5843.61 62567 361 5872.12 77360 400 5900.64 187803 441 5929.16 190564 484 5957.67 144946 529 5986.19 188712 576 6014.71 91075 625 6043.22 100308 676 6071.74 199638 729 6100.25 107660 784 6128.77 210743 841 6157.29 111510 900 6185.8 291152 961 6214.32 302944 1024 6242.84 310266 1089 6271.35 269382 1156 6299.87 259840 1225 6328.39 337788 1296 6356.9 231953 1369 6385.42 152342 1444 6413.94 339144 1521 6442.45

40 41 42 43 44 45 46 47 48 49 50

∑

5377 3765 7244 6409 6867 3683 3674 8664 8820 8667 2668

t 1275

215080 154365 304248 275587 302148 165735 169004 407208 423360 424683 133400

1600 1681 1764 1849 1936 2025 2116 2209 2304 2401 2500

6470.97 6499.48 6528 6556.52 6585.03 6613.55 6642.07 6670.58 6699.1 6727.62 6756.13

d dt t2 302874 8020214 42925

Forcast di dapatkan dengan rumus

Yt = a + b.t 2.3 PENGOLAHAN DATA AKTUAL DENGAN SOFTWARE “POM” 2.3.1 MOVING AVERAGE 2001 (4 BULANAN)

edit

solve

2.3.2 MOVING AVERAGE 2002 (2 BULANAN)

edit

solve

2.3.3 MOVING AVERAGE 2003 (6 BULANAN)

edit

solve

2.3.4 WEIGHTED MOVING AVERAGE 3 PERIODE

edit

solve

2.3.5 WEIHGTED AVERAGE 4 PERIODE

edit

solve

2.3.6 EXPONENTIAL SMOOTHING (α = 0.87)

edit

solve

2.3.7 EXPONENTIAL SMOOTHING (α = . 3

edit

solve

2.3.8 REGRESION LINEAR

edit

solve

2.4 GAMBAR GAMBAR GRAFIK PERAMALAN 2.4.1 MOVING AVERAGE (4 BULANAN)

2.4.2 MOVING AVERAGE (2 BULANAN)

2.4.3 MOVING AVERAGE (6 BULANAN)

2.4.4 WEIGHTED MOVING AVERAGE 3 PERIODE

2.4.5 WEIGHTED MOVING AVERAGE 4 PERIODE

2.4.6 EXPONENTIAL SMOOTHING (α = 0.87)

2.4.7 EXPONRNTIAL SMOOTHING (α = 0.13)

2.4.8 REGRESION LINIEAR

2.5 ANALISIS GRAFIK 2.5.1 MOVING AVERAGE (4 BULANAN) Berdasarkan grafik yang di dapatkan , hasil forcast pada saat bulan ke 5 (lima) itu berjauhan sekali dengan data , tapi seiring waktu berjalan forcast atau ramalannya semakin mendekati titik temu dan akurat.

2.5.2 MOVING AVERAGE (2 BULANAN) Seperti hal nya hasil forcast sebelumnya , pada grafik peramalan 2 bulanan hasil peramalan semakin bisa mendekati data selanjutnya. Dari bulan ke 3 (tiga) terlihat hasil peramalan masih jauhdiataas data yang di dapatan , tapi seiring berjalannya waktu , peramalan terus mendekati data selanjutnya dan peramalan sama dengan data pada bulan ke 12 (dua belas) 2.5.3 MOVING AVERAGE (6 BULANAN) Dilihat dari grafik hasil forcast pada saat 6 bulanan ini jalannya tidak terlihat sama seperti grafik moving average sebelumnya , di grafik ini terlihat pada hasil forcast pertama yaitu pada bulan ke 7 hasil peramalan berada sedikit dibawah data , tapi pada bulan ke 8 terlihat adanya ke jomplangan dari hasil data real dengan data hasil peramalan , disana terlihat bahwa hasil dari peramalan berada jauh dibawah data real. Hal ini berbeda dengan peramalan pada bulan ke 11 (sebelas), data real berada jauh dibawah hasil peramalan. Tetapi pada bulan ke 12 hasil peramalan berada tepat dititik data real dengan akurat. 2.5.4 WEIGHTED MOVING AVERAGE 3 PERIODE Dari hasil analisa grafik WMA (Weighted Moving Average) dengan bobot W1 = 0.4, W2=0.2, W3=0.4 dapat dilihat pada grafik bahwa hasil peramalan pada bulan kedua itu akurat dan periode – periode berikutnya pun hasil peramalan tidak terlalu jauh perbedaannya hingga pada periode ke 12 terlihat sadanya sedikit ketidak akuratan antara data real dengan hasil peramalan. Hasil peramalan dari periode 10,5 sampai periode 16 hasil peramalan selalu berada di bawah data. 2.5.5 WEIGHTED MOVING AVERAGE 4 PERIODE Hasil analisa yang di dapatkan dari hasil grafik WMA dengan bobot w1 = 0.3,w2 =0.25 ,w3 =0.35 , w4=0.1 . terlihat hasil peramalan mirip mirip

dengan hasil peramalan dengan WMA yang 3 periode itu , disini peramalan berbeda jauh dibawah data actual dari period eke 10,5 hingga periode 16. Dari periode 16,5 peramalan berada diatas data actual. Dan pada periode ke 20 hasil peramalan tepat akurat dengan data actual , dan selanjutnya hasil peramalan tipis tipis berbeda hingga pada periode ke 28 terlihat lagi jauhnya antara data hasil peramalan dengan data actual. Untuk selanjutnya peramalan bergerak naik turun tapi tidak drastis seperti data actual. 2.5.6 EXPONENTIAL SMOOTHING (α = 0.87) Hasil analisa dari grafik yang di dapat dari ES (Exponential Smoothing) dengan α = 0.87 disini terlhat bahwa hasil peramalan ini jarang akutat dengan data actual. Yang terlihat pada grafik peramalan ini , hasil peramalan pada periode ke X akan tidak jauh dari data actual pada periode X-1 meskipun tidak sama persis. Sebagai contoh jika pada periode ke 10 data actual berada pada nilai 100 maka peramalan pada periode ke 11 berada di nilai 85 dan apabila pada periode 11 data actual berada pada nilai 35 maka peramalan periode ke 12 berada pada nilai sekitar 45. Begitu pun periode-periode seterusnya 87% peramalan mengikuti data actual di periode sebelumnya. Tetapi pada grafik terlihat bahwa periode 8,11,34,49 hasil peramalan itu sesuai dengan data actual dengan akurat. 2.5.7 EXPONENTIAL SMOOTHING (α = 0,15) Jika dilihat grafik dari hasil peramalan ES dengan α = 0,15 pergerakan hasil peramalan dari periode ke periode nya naik turun seperti arah data actual sebelumnya akan tetapi peramalan tidak mengambil sama persis dengan data sebelumnya hanya berubah sedikit sedikit dari data actual pada periode sebelumnya. Pada grafik tersebut terlihat bahwa pada periode ke 4 dan 43 hasil peramalan mendekati data actual hampir akurat.

2.5.8 REGRESION LINIEAR Grafik Regresion Linear memperlihatkan bahwa peramalan periode di depan akan membentuk garis liniear jika ditarik garis lurus dari periode ke periode , tapi pada nyatanya di data actual yang sedang di lakukan peramalan itu ternyata tidak mengalami keakuratan yang baik. Pada peramalan di periode ke 37 dan 43 hasilnya mendekati data actual. Tetapi bagaimana pun tipe peramalan seperti ini sepertinya tidak cocok untuk dilakukan untuk data actual yang tidak stabil dari periode ke periodenya.

BAB III KESIMPULAN

Dari hasil analisa peramalan dari mulai menghitung data actual secara manual hingga mengitung peramalan dengan menggunakan aplikasi pom , metode peramalan ini masing masing bisa digunakan sesuai dengan kebutuhan suatu perusahaan. Sebenarnya tidak sembarang orang juga perusahaan akan menurunkan orang yang di tempatkan untuk menganalisa metode apa yang cocok untuk dipakai di suatu perusahaan tersebut. Dari mulai moving average , weighted moving average, exponential smoothing , dan regression linear. Itu mempunyai karakteristik peramalan yang berbeda. Semuanya bisa digunakan dengan optimal tergantung pada kebutuhan pasar pada produksi. Tapi menurut saya metode peramalan yang paling baik adalah regression liniear , tapi metode tersebut digunakan apabila produksi memang naik dari waktu ke waktu. Dan peramalan yang baik selanjutnya menurut saya adalah moving average , karena peramalan nya dari waktu ke waktu bisa mendekati data actual bergantung pada data actual sebelumnya. Distribusi forecast errors harus dimonitor, jika terjadi bias maka model yang digunakan tidak tepat....