PENENTUAN METODE PERAMALAN PERMINTAAN PENGETESAN KANDUNGAN LOGAM BERAT
UNTUK MENENTUKAN POLA KERJA OPERATOR SCRAPING DI LABORATORIUM KIMIA PT.XYZ
Oleh Anjar Aryani
NIM 004201000162
Skripsi ini disampaikan kepada Fakultas Teknik President University diajukan untuk memenuhi
persyaratan akademik mencapai gelar Sarjana Teknik Program Studi Teknik Industri
2014
i
LEMBAR REKOMENDASI PEMBIMBING
Skripsi berjudul “Penentuan Metode Peramalan Terhadap
Permintaan Testing Kandungan Logam Berat untuk Menentukan
Pola Kerja Operator Scraping di Laboratorium Kimia PT. XYZ”
yang disusun dan diajuan oleh Anjar Aryani sebagai salah satu
persyaratan untuk mendapatan gelar Strata Satu (S1) pada Fakultas
Teknik telah ditinjau dan dianggap memenuhi persyaratan sebuah
skripsi. Oleh karena itu, Saya rekomendasikan skripsi ini untuk maju
sidang.
Cikarang, Indonesia, 3 Maret 2014
Johan Oscar Ong ST.,MT.
ii
LEMBAR PERNYATAAN ORISINALITAS
Saya menyatakan bahwa skripsi berjudul “Penentuan Metode
Peramalan Terhadap Permintaan Testing Kandungan Logam
Berat untuk Menentukan Pola Kerja Operator Scraping di
Laboratorium Kimia PT. XYZ” adalah hasil dari pengetahuan
terbaik Saya dan belum pernah diajukan ke Universitas lain maupun
diterbitkan baik sebagiab maupun secara keseluruhan.
Cikarang, Indonesia, 3 Maret 2014
Anjar Aryani
iii
PENENTUAN METODE PERAMALAN TERHADAP
PERMINTAAN PENGETESAN KANDUNGAN
LOGAM BERAT UNTUK MENENTUKAN POLA
KERJA OPERATOR SCRAPING DI
LABORATORIUM KIMIA PT. XYZ
Oleh
Anjar Aryani
NIM. 004201000162
Disetujui oleh,
Johan Oscar Ong, S.T., M.T. Herwan Yusmira, B.Sc. MET, Mtech
Pembimbing Skripsi Ketua Program Studi Teknik Industri
iv
ABSTRAK
Laboratorium Kimia melayani permintaan pengetesan kandumngan logam berat
pada bahan baku, barang setengah jadi, dan barang jadi. Namun, beberapa bualn
terakhir, hampir 50% pengetesan tidak memenuhi target lead time. Hal ini salah
satunya disebabkan oleh tidak adanyan perencanaan kebutuhan sumber daya,
sehingga kekurangan sumber daya tidak dapat segera diatasi. Skripsi ini berisi
proses peramalan permintaan pengetesan kandungan bahan kimia di Laboratorium
Kimia PT. XYZ dengan beberapa cara atau metode peramalan, yaitu Last Period
Demand, Arithmatic Average, Moving Average, Exponential Smoothing dan Pola
Siklis, kemudian dipilih salah satu metode yang terbaik yaitu dengan cara
perhitungan kesalahan metode menggunakan Mean Sequare Error (rata-rata
kesalahan kuadrat), Standard Error of Estimate, Mean Absolute Percentage Error,
Mean Error (bias), Mean Absolute Error. Dari perhitungan kesalahan, didapatkan
sistem peramalan yang tepat untuk masing-masing sampel. Yaitu, Double
Exponential Smoothing-Holt untuk Incoming, WMA 4 untuk Bi-Weekly, dan
pola Siklis untuk Product Qualification. Dengan metode peramalan yang dipilih,
dilakukan peramalan untuk permintaan pada periode 2014. Sehingga dapat
direncanakan kebutuhan sumber daya yaitu penambahan 1 operator scraping pada
bulan Januari, Februari, dan Mei ,penambahan 2 scraper pada bulan Maret dan
Juli, atau perubahan pola kerja untuk bulan Januari, Februari dan Mei menjadi 2
shift, 5 hari kerja dengan jam efektif 1 hari selama 18 jam, pola kerja 3 shift 5 hari
kerja untuk bulan Maret dan Juli.
Kata kunci : Peramalan, Last Period Deman, Arithmatic Average, Moving
Average, Exponential Smoothing, Pola Siklis, Linier Siklis,incoming, bi-weekly,
product qualification, logam berat.
v
KATA PENGANTAR
Pertama-tama penulis mengucapkan Puji syukur kehadirat Tuhan Yang Maha Esa,
yang atas rahmat-Nya maka penulis dapat menyelesaikan penyusunan skripsi ini
dengan baik. Penulisan skripsi ini merupakan salah satu tugas dan persyaratan
untuk mendapatkan gelar Strata Satu pada Fakultas Teknik Program Studi teknik
Industri. Dalam penulisan skripsi ini penulis menyampaikan ucapan terima kasih yang tak
terhingga kepada pihak-pihak yang membantu dalam menyelesaikan penelitian
ini, khususnya kepada :
PT. XYZ, yang telah menyediakan tempat dan segala fasilitas sehingga
penulis dapat menyelesaikan skripsi ini.
Bapak Johan Oscar Ong, S.T., M.T. selaku Dosen Pembimbing yang telah
meluangkan waktu, tenaga dan pkiran dalam pelaksanaan bimbingan,
pengarahan, dorongan dalam rangka penyelesaian penyusunan skripsi ini.
Rekan-rekan semua di kampus President University.
Secara khusus penulis menyampaikan terima kasih kepada keluarga tercinta
yang telah memberikan dorongan dan bantuan serta pengertian yang besar
kepada penulis, baik selama mengikuti perkuliahan maupun dalam
menyelesaikan makalah ini.
Teman-teman semua khususnya Harry Wahyu Pratomo, Nita Wulandarai, Isti
Nur Hidayati, Rahmawati, Wisnu Setya Nugraha, Dyonisia Rani, Sintia
Sandra, dan Rizal Muhamad Faris, yang telah memberikan dukungan dan
bantuan yang besar kepada penulis.
Cikarang, Indonesia, 3 Maret 2014
Penulis
vi
DAFTAR ISI
LEMBAR REKOMENDASI PEMBIMBING ........................................................ I
LEMBAR PERNYATAAN ORISINALITAS ....................................................... II
ABSTRAK ............................................................................................................ IV
KATA PENGANTAR ............................................................................................ V
DAFTAR ISI ......................................................................................................... VI
DAFTAR TABEL ............................................................................................... VIII
DAFTAR GAMBAR ............................................................................................ IX
DAFTAR TERMINOLOGI .................................................................................... X
BAB I ...................................................................................................................... 1
PENDAHULUAN .................................................................................................. 1
1.1. Latar Belakang Masalah .......................................................................... 1
1.2. Rumusan Masalah ................................................................................... 2
1.3. Tujuan Penelitian .................................................................................... 2
1.4. Batasan Masalah ..................................................................................... 2
1.5. Asumsi .................................................................................................... 3
1.6. Sistematika Penulisan ............................................................................. 3
BAB II ..................................................................................................................... 4
STUDI PUSTAKA ................................................................................................. 4
1.2. Perencanaan Produksi ............................................................................. 4
2.1.1. Maksud dan Tujuan Perencanaan Produksi ........................................ 5
2.1.2. Jenis dan Ciri-ciri Perencanaan Produksi ............................................ 5
2.1.3. Hal-hal Yang Perlu Diperhatikan Dalam Perencanaan Produksi ........ 6
1.3. Peramalan (Forecasting) ......................................................................... 8
2.1.4. Pengertian peramalan .......................................................................... 9
2.1.5. Metode peramalan ............................................................................... 9
a. Time Series Methode (Metode Deret Waktu) ....................................... 11
vii
1. Constant Model ..................................................................................... 11
2. Linear Model ......................................................................................... 11
3. Siklis ...................................................................................................... 12
4. Metode Moving Average ...................................................................... 12
5. Exponential Smoothing ......................................................................... 14
2.1.6. Ukuran kesalahan peramalan ............................................................ 15
2.1.7. Verifikasi Metode ............................................................................. 17
2.1.8. Validasi Metode ................................................................................ 18
BAB III ................................................................................................................. 19
METODOLOGI PENELITIAN ............................................................................ 19
3.1. Observasi ............................................................................................... 20
3.2. Identifikasi Masalah .............................................................................. 20
3.3. Studi Pustaka ......................................................................................... 21
3.4. Pengumpulan dan Pengolahan Data ...................................................... 21
3.5. Perhitungan dan Analisis....................................................................... 23
3.6. Simpulan dan Saran............................................................................... 23
BAB IV ................................................................................................................. 24
DATA DAN ANALISIS ....................................................................................... 24
4.1. Data ....................................................................................................... 24
4.2. Perhitungan Peramalan.......................................................................... 25
4.3. Perhitungan Ukuran kesalahan .............................................................. 33
4.4. Analisis .................................................................................................. 35
BAB V ................................................................................................................... 49
SIMPULAN DAN SARAN .................................................................................. 49
4.5. Simpulan ............................................................................................... 49
4.6. Saran ...................................................................................................... 49
DAFTAR PUSTAKA ........................................................................................... 50
LAMPIRAN .......................................................................................................... 51
viii
DAFTAR TABEL
Tabel 2.1.Koefisien pembobotan WMA .................................................................. 14
Tabel 4.1.Data Permintaan Pengetesan Kandungan Bahan Kimia Periode 2013 .... 24
Tabel 4.2.Perhitungan Peramalan Permintaan Metode WMA 4 .............................. 27
Tabel 4.3.Perhitungan Peramalan Permintaan Metode Double Moving Average .... 28
Tabel 4.4.Perhitungan Peramalan Permintaan Metode Single Exponential
Smoothing ....................................................................................................... 29
Tabel 4.5.Perhitungan Peramalan Permintaan Metode Double Exponential
Smoothing-Brown ........................................................................................... 30
Tabel 4.6.Perhitungan Peramalan Permintaan Metode Double Exponential
Smoothing-Holt .............................................................................................. 31
Tabel 4.7. Perhitungan Peramalan Permintaan Metode Pola Siklis ......................... 32
Tabel 4.8. Nilai MSE ................................................................................................ 33
Tabel 4.9.Nilai SEE .................................................................................................. 33
Tabel 4.10.Nilai MAPE ............................................................................................ 34
Tabel 4.11.Nilai Mean Error .................................................................................... 34
Tabel 4.12.Nilai Rata-Rata Mutlak .......................................................................... 35
Tabel 4.13.Kapasitas Scraper Tiap Bulan ................................................................ 35
Tabel 4.14.Ukuran kesalahan Sampel Incoming ...................................................... 36
Tabel 4.15.Ukuran kesalahan Sampel Bi-Weekly .................................................... 36
Tabel 4.16.Ukuran kesalahan Sampel PQ ................................................................ 38
Tabel 4.17.Hasil Peramalan Periode 2014 ............................................................... 44
Tabel 4.18.Kebutuhan Kapasitas Tiap Bulan ........................................................... 45
Tabel 4.19.Perbandingan Kapasitas Tiap Bulan ....................................................... 46
Tabel 4.20.Perbandingan Kapasitas Setelah Penambahan Jam Kerja ...................... 46
Tabel 4.21.Perbandingan Kapasitas Setelah Perubahan Pola Kerja ......................... 47
Tabel 4.22.Perbandingan Kapasitas Setelat Penambahan Operator ......................... 48
Tabel 4.23.Perbandingan Alternatif .......................................................................... 48
ix
DAFTAR GAMBAR
Gambar 3.1.Alur Metodologi Penelitian .................................................................... 19
Gambar 4.1.Diagram Pencar Permintaan Pengetesan Sampel Incoming .................. 25
Gambar 4.2.Diagram Pencar Permintaan Pengetesan Sampel Bi-Weekly ................ 25
Gambar 4.3.Diagram Pencar Permintaan Pengetesan Sampel PQ ............................. 26
Gambar 4.4.Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-Weekly
Metode WMA 4 .................................................................................................. 36
Gambar 4.5.Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-Weekly
Metode DMA ...................................................................................................... 37
Gambar 4.6.Hasil Verifikasi Metode Double Exponential Smoothing-Holt ............. 38
Gambar 4.7.Peta Tracking Signal Metode Double Exponential Smoothing-Holt ..... 39
Gambar 4.8.Hasil Verifikasi Metode DMA ............................................................... 39
Gambar 4.9.Peta Tracking Signal Metode DMA ....................................................... 40
Gambar 4.10.Verifikasi Metode Pola Siklis .............................................................. 40
Gambar 4.11.Peta Tracking Signal Metode Pola Siklis ............................................. 41
Gambar 4.12.Validasi Metode Double Exponential Smoothing-Holt ........................ 42
Gambar 4.11.Validasi Metode Double Moving Average ........................................... 42
Gambar 4.11.Validasi Metode Pola Siklis ................................................................. 43
x
DAFTAR TERMINOLOGI
Scraping : Proses memisahkan sampel menjadi bagian-bagian
penyusunnya.
Sampel incoming : Sampel yang berbentuk raw material
Sampel Bi-Weekly : Sampel barang setengah jadi
Sampel Product Qualification : Sampel Barang Jadi
LER : Laboratory Evaluation Request
Solution Rate : Konversi dari LER ke Solution
Konversi : Koefisien perubahan satuan.
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
PT. XYZ adalah perusahaan internasional dan merupakan perusahaan pemimpin
bisnis mainan. PT. XYZ, memproduksi boneka dari mulai bahan baku sampai
menjadi boneka yang siap dipasarkan. Sebagai perusahaan yang sangat
memperahatikan kebutuhan pelanggan. Untuk memastikan produknya terbebas dari
kandungan logam berat yang berbahaya yaitu Arsen, Barium, Cadmium,
Crhomium, Lead, Mercury, Selenium,Antimony, Nickel, Aluminium, Zink,
Stronsium, Tin, Cobalt, Cuprum, Mangan, dan Boron, maka semua produk dan
bahan bakumya harus memiliki sertifikat bebas logam berat. Tidak semua bahan
baku yang didapat dari suplier memiliki sertifikat tersebut, sehingga PT. XYZ
memiliki sebuah laboratorium kimia yang bertanggung jawab atas pengetesan
produk jadi dan bahan baku produk di PT. XYZ. Laboratorium ini berada dibawah
naungan PT. XYZ, dan tidak terpisah secara menejemen perusahaan.
Meskipun laboratorium ini tidak berdiri senndiri, namun bukan berarti tidak
memperhatikan kepuasan pelanggan. Pelanggan tentu akan merasa puas jika
permintaan pengetesan dapat dilakukan secara cepat dan tepat. Untuk memenuhi
permintaan pelanggan ini, maka pihak laboratorium harus mampu memperkirakan
jumlah sumber daya yang dibutuhkan, seperti tenaga kerja atau operator, kebutuhan
bahan-bahan kimia, peralatan dan instrumen. Dalam hal sumber daya tenaga keja
atau operator, perekrutan tidak dapat dipisahkan dari Human Recources
Department (HRD) PT. XYZ. Sehingga proses perekrutan tenaga kerja cukup
membutuhkan waktu yang lama. Untuk itu, untuk menghindari kebutuhan tenaga
kerja yang mendadak , maka pihak laboratorium harus mampu mengetahui tingkat
permintaan pengetesan pada periode yang akan datang, agar dapat direncanakan
kebutuhan sumber daya atau pola kerja yang tepat bagi sumber daya operator atau
tenaga kerja yang sudah ada.
2
Untuk mengetahui tingkat permintaan pengetesan pada periode selanjutnya, maka
perlu adanya sebuah metode yang disebut dengan metode peramalan. Pada kondisi
saat ini, laboratorium PT. XYZ belum memiliki metode peramalan tersebut.
Sehingga sering terjadi permintaan tambahan tenaga kerja secara mendadak, dan
perubahan pola kerja yang tidak teratur. Selain itu sering juga terjadi tidak
terpenuhinya pengetesan sesuai dengan batas waktu yang telah ditentukan. Pada
tahun 2013, hampir 50% permintaan pada bulan September sampai Desember tidak
terpenuhi tepat waktu.
1.2. Rumusan Masalah
Rumusan masalah yang mendasari dilakukannya penelitian ini adalah :
• Metode peramalan apa yang dapat digunnakan untuk menentukan tingkat
permintaan pengetesan pada periode berikutnya, sehingga kebutuhan sumber
daya dapat direncanakan dengan baik?
• Alternatif apa yang dapat diambil jika pola kerja saat ini tidak dapat memenuhi
permintaan pada periode 2014?
1.3. Tujuan Penelitaian
Tujuan dari penelitian ini adalah :
• Menentukan metode peramalan yang tepat untuk pemintaan pengetesan
kandungan bahan kimia di laboratorium kimia PT. XYZ
• Memberikan alternatif yang dapat diambil jika pola kerja saat ini tidak
memenuhi untuk permintaan periode 2014.
1.4. Batasan Masalah
Untuk mengindari penyimpangan-penyimpangan yang terlalu jauh dari pokok
permasalahan, maka dalam penulisan skripsi ini penulis membuat batasan masalah
agar lebih mudah dalam menganalisa dan memecahkan masalah.
Adapun batasan-batasan tersebut adalah sebagai berikut:
1. Penelitian dan pengambilan data dilakukan di Laboratorium Kimia PT. XYZ.
2. Perencanaan permintaan yang dibuat berdasarkan pada data permintaan
pengetesan tahun 2013.
3
1.5. Asumsi
Asumsi yang diterapkan dalam penelitian adalah :
• Tidak terjadi perubahan kondisi yang secara tiba-tiba atau insidential.
1.6. Sistematika Penulisan
Laporan ini terdiri dari :
Bab I Pendahuluan
Berisi tentang latar belakang, rumusan masalah, tujuan penelitian, dan ruang
lingkup.
Bab II Studi Pustaka
Bab ini menyajikan teori-teori yang mendukung penelitian mengenai model-
meodel untuk peramalan seperti Last Period Demand, Arithmatic average, Moving
Average, Exponential Smoothing.
Bab III Metodologi Penelitian
Metodologi penelitian berisi urutan proses yang di;akukan serta pembahasan
secara singkat tentang keseluruhan proses yang dilakukan. Mulai dari BAB I
sampai dengan BAB V.
Bab IV Data dan Analisis
Data hasil pengamatan diolah dan dianalisa pada bab ini. Pengolahan dalam
menentukan jenis peramalan yang tepat terdahap kondisi permintaan pengetesan
logam berat periode 2014 dan pemilihan pola kerja yang tepat terhadap hasil
peramalan tersebut. Hasil analisa dan pengolahan ini adalah hasil yang optimal
dimana diharapkan dapat meminimalisir keterlambatan hasil analisa.
Bab V Simpulan dan Saran
Berisi kesimpulan dan saran yang diberikan kepada perusahaan, setelah
penyelesaian internship.
4
BAB II
STUDI PUSTAKA
1.2. Perencanaan Produksi
Perencanaan adalah suatu usaha untuk menentukan tindakan-tindakan dan
keputusan yang menyangkut kegiatan pada masa yang akan datang pada waktu
awal. Tindakan dan keputusan yang diambil agar tujuan yang telah ditetapkan
sebelumnya dapat tercapai. Sedangkan produksi dapat diartikan sebagai segala
kegiatan dalam menciptakan dan menambah nilai atau kegunaan suatu barang atau
jasa, atau dapat diartikan sebagai suatu gabungan proses pengubahan bahan baku
menjadi barang setengah jadi atau barang jadi. Sedangkan perencanaan produksi
merupakan perencanaan nengenai jumlah tenaga kerja dan tingkat produksi pada
fasilitas yang diberikan dalam jangka waktu sekitar 3-12 bulan
(Narasimahan,1995). Perencanaan produksi selalu berhubungan atau
membicarakan masa yang akan datang yaitu bagaimana menyusun suatu rencana
produksi yang mampu menggantikan kegiatan-kegiatan yang belum diketahui
secara pasti. Suatu rencana dapat disusun untuk periode produksi beberapa bulan
sampai beberapa tahun kedepan. Rencana produksi digunakan sebagai pedoman
bertindak dalam mencapai tujuan dan sasaran perusahaan untuk mengantisipasi
perubahan yang diperkirakan akan terjadi.
Menurut Biegel (1992) yang dimaksud perencanaan produksi adalah: Menyediakan
jumlah produk yang diinginkan pada waktu yang tepat pada jumlah biaya minimum
dengan kualitas (mutu) yang memenuhi syarat. Sedangkan menurut Sofjan Assauri
(1990) yang dimaksud dengan perencanaan produksi adalah: Perencanaan dan
pengorganisasian sebelumnya mengenai orang-orang, bahan-bahan, mesin-mesin,
dan peralatan-peralatan lain serta modal yang diperlukan untuk memproduksi
barang-barang pada suatu periode waktu tertentu dimasa depan sesuai dengan
perkiraan atau diramalkan.
5
2.1.1. Maksud dan Tujuan Perencanaan Produksi
Pada dasarnya tujuan akhir perusahaan adalah untuk mengembangkan dan menjaga
kelangsungan hidupnya. Hal ini dapat dilakukan bila perusahaan mampu
melakukan fungsi operasinya secara efektif dan efisien. Fungsi operasi perusahaan
berhubungan dengan cara menghasilkan dan memproduksi produk-produk
perusahaan dengan baik, ekonomis dan tepat waktu. Untuk tujuan inilah
perencanaan produksi dilakukan sebelum kegiatan produksi yang sebenarnya
dilakukan.
Adapun beberapa tujuan dari perencanaan produksi antara lain adalah:
1. Untuk memenuhi permintaan konsumen yang fluktuatif.
2. Untuk mencapai target keuntungan sesuai dengan yang ditentukan oleh
perusahaan.
3. Untuk mengoptimalisasi penggunaan sumber daya dan kapasitas yang terbatas.
4. Untuk membuat urutan aktifitas produksi.
Jadi dapat disimpulkan bahwa tujuan perencanaan produksi adalah menghasilkan
produk agar dapat memenuhi permintaan konsumen pada saat yang dibutuhkan
dengan kendala keterbatasan sumber daya dan kapasitas produksinya namun
dengan biaya keseluruhan produksi yang minimal.
2.1.2. Jenis dan Ciri-ciri Perencanaan Produksi
Jenis perencanaan produksi dalam suatu perusahaan dapat dibedakan menurut
jangka waktu, meliputi:
1. Perencanaan produksi jangka pendek (Perencanaan Operasional)
Adalah penentuan kegiatan produksi yang dilakukan dalam jangka waktu satu
tahun mendatang atau kurang., dengan tujuan untuk pengaturan penggunaan jam
tenaga kerja, persediaan barang dan kapasitas produksi jangka pendek berhubungan
dengan pengaturan operasi produksi maka perencanaan ini disebut juga
perencanaan operasional.
2. Perencanaan produksi jangka panjang (Perencanaan Strategik)
Adalah penentuan tingkat produksi lebih dari satu tahun, biasanya sampai lima
tahun mendatang dengan tujuan untuk mengatur dan menambah kapasitas peralatan
6
atau mesin-mesin, ekspansi pabrik, dan pengembangan produk, karenaya lazim
disebut perencanaan strategis.
Dari kedua jenis perencanaan produksi diatas, maka dapatlah diketahui bahwa
setiap perencanaan produksi memiliki ciri-ciri sebagai berikut:
1. Perencanaan produksi menyangkut kegiatan pada masa yang akan datang,
dibuat berdasarkan penafsiran atau ramalan kegiatan yang ditentukan oleh
peramalan penjualan pada masa yang akan datang.
2. Perencanaan produksu mempunyai jangka waktu.
3. Perencanaan produksi mempersiapkan tenaga kerja, bahan baku, mesin-mesin
dan peralatan lain pada waktu yang dibutuhkan.
4. Perencanaan produksi menentukan jumlah, jenis dan kualitas produk yang
dihasilkan.
5. Perencanaan produksi dapat mengkoordinasikan kegiatan produksi.
2.1.3. Hal-hal Yang Perlu Diperhatikan Dalam Perencanaan Produksi
Dalam perencanaan produksi kita perlu memperhatikan hal-hal sebagai berikut:
1. Sifat Proses Produksi
Proses produksi dapat dibedakan atas dasar dua karakteristik, yaitu: aliran proses
dan tipe pesanan langganan.
a. Menurut aliran proses, sifat proses produksi dapat dibagi menjadi 3 (tiga) tipe,
yaitu:
1) Aliran Garis
Aliran garis mempunyai ciri bahwa aliran proses dari bahan mentah sampai
menjadi produk akhir dan urutan operasi-operasi mennghasilkan produk yang
selalu tetap. Operasi aliran garis ini dapat dibedakan lagi menjadi dua tipe
produksi, yaitu:
a) Proses produksi massal (mass production), yang pada umumnya memproduksi
kumpulan produk dalam jumlah besar dan mengikuti serangkaian operasi yang
sama dengan kumpulan produksi sebelumnya, sehingga proses ini sering disebut
repetitive process.
7
b) Proses produksi terus-menerus (continuous production), yang ditandai dengan
waktu produksi yang relatif lama untuk menghindari penyetelan, persiapan
lain, dan lemacetan-kemacetan produksi yang mahal. Prosesnya berjalan tetap
sehingga perencanaan produksinya disusun berdasarkan ramalan penjualan.
Umumnya jumlah produksi yang dihasilkan cukup besar dan sedikit bervariasi.
2) Aliran Intermitten (job shop)
Suatu proses aliran intermitten mempunyai ciri produksidalam kumpulan-
kumpulan atau kelompok-kelompok barang yang sejenis pada interval-interval
waktu yang terputus-putus. Pelaksanaan prosesnya dilakukan berdasarkan
pesanan yang diterima (job order). Biasanya produk yang dihasilkan relatif
sedikit jumlahnya namun banyak variasinya sehingga proses produksi yang
dibuat tidak hanya berdasarkan ramalan penjualan (sales forecasting), tapi juga
berdasarkan pesanan yang masuk. Ramalan penjualan berfungsi membantu
memperkirakan pesanan yang akan diterima, sehingga dapat ditentukan
tindakan-tindakan dalam pengambilan keputusan. Pada intermitten process,
jika suatu order telah selesai diproses, maka peralatan produksi mungkin harus
diatur kembali sebelum pesanan lainnya dapat diproses lebih lanjut. Oleh
karena itu urutan dalam proses pengerjaan merupakan masalah yang penting
dalam melakukan efisiensi dan efektifitas produksi.
3) Proyek
Bentuk operasi proyek yang digunakan untuk memproduksi produk-produk
khusus atau unik, seperti: kapal laut, pesawat terbang, jembatan dan lain
sebagainya.
b. Sedangkan berdasarkan tipe langganan, proses produksi dapat dibedakan
menjadi dua, yaitu:
1) Proses produksi untuk pesanan (production to order)
Proses ini pada dasarnya memproduksi barang-barang dan jasa-jasa atas
dasar permintaan atau pesanan tertentu dari langganan akan suatu produk.
Dalam proses ini, kegiatan pemrosesan menyesuaikan dengan persyaratan
pemesanan langganan secara individual.
8
2) Proses produksi untuk persediaan (production to stock)
Operasi produksi untuk persediaan menghasilkan garis produk yang
distandarisasikan. Permintaan langganan dipenuhi dengan produk-produk
standar ini dari persediaan. Persediaan digunakan untuk memenuhi
permintaan yang tidak pasti dan merencanakan kebutuhan kapasitas. Oleh
karena itu, peramalan, manajemen persediaan dan perencanaan kapasitas
menjadi penting bagi suatu operasi produksi untuk persediaan.
2. Jenis dan Mutu produk
Untuk menyusun perencanaan produksi ada beberapa hal tentang jenis dan sifat
produk yang perlu diketahui dan diperhatikan, yaitu:
a. Jenis barang
1) Consumer’s goods (barang-barang yang langsung dikonsumsi oleh konsumen).
2) Industrial’s goods (barang yang akan digunakan untuk memproduksi barang
lain).
b. Mutu produk
1) Mutu yang berdasarkan biaya.
2) Mutu produk berdasarkan penilaian pembelian.
c. Sifat barang
1) Sifat produk tahan lama (durable) atau tidak tahan lama (undurable).
2) Sifat permintaan musiman ayau sepanjang masa.
3. Produk baru atau produk lama
Jika produk baru, maka perencanaan produksi perlu adanya penelitian terlebih
dahulu, tetapi jika produk lama maka perencanaan produksi berdasarkan
pengalaman masa lalu.
1.3. Peramalan (Forecasting)
Aktivitas peramalan merupakan suatu fungsi bisnis yang didalamnya berusaha
memperkirakan penjualan dan penggunaan produk sehingga produk-produk
tersebut dapat dibuat dalam kuantitas yang sesuai kebutuhan.
9
2.1.4. Pengertian peramalan
Peramalan adalah suatu usaha untuk menyatakan apa yang akan terjadi di masa
yang akan datang dalam kondisi tertentu. Kondisi ini ditentukan oleh faktor dari
luar maupun faktor dari dalam perusahaan itu sendiri. Faktor dari dalam
perusahaan itu adalah data masa lalu, sedangkan faktor dari luar adalah apabila
peramalan dibuat dengan mempertimbangkan pengaruh keadaan pasar, persaingan
ataupun situasi internasional.
Menurut Biegel (1992) peramalan adalah suatu perkiraan tingkat permintaan yang
diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu
di masa yang akan datang. Oleh karena itu peramalan adalah suatu taksiran yang
ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan adanya
keterbatasan kemampuan manusia.
Dari pengertian di atas dapat diambil kesimpulan bahwa peramalan adalah suatu
kegiatan untuk memperkirakan situasi yang akan datang dan biasanya berdasarkan
analisa kegiatan-kegiatan yang berkaitan di masa lampau.
Syarat mutlak untuk manajemen yang efektif dalam sistem peramalan adalah :
1. Mengurangi ketidakpastian pada masa yang akan datang yang dihadapi
manajemen.
2. Secara efektif dapat memperluas jangkauan pilihan bagi para manajer.
Dengan kata lain sistem forecasting dapat dijadikan bahan pertimbangan
dalam melakukan pilihan
2.1.5. Metode peramalan
Ada beberapa metode peramalan yang dapat digunakan. Metode-metode tersebut
pada dasarnya dapat dikelompokkan menjadi dua kategori utama yaitu sebagai
berikut:
1. Metode kualitatif
Metode peramalan ini lebih menekankan pada keputusan hasil diskusi, pendapat
pribadi, dan intuisi yang meskipun tidak memiliki landasan ilmiah tetapi dapt
digunakan. Metode ini dibagi menjadi beberapa macam, yaitu :
10
a. Metode perkiraan subyektif yaitu: metode yang menggunakan pikiran manusia
secara efisien dalam proses informasi yang bermacam-macam dan atau
membuat struktur hasil peramalan dalam bentuk yang dapat digabungkan
secara sederhana dengan perencanaan dan proses pembuatan keputusan yang
lain. Yang termasuk dalam metode ini adalah riset pasar (market riset), metode
gabungan kemampuan penjualan, pendapat dewan juri dan lain-lain.
b. Metode pencarian (exploratory) yaitu: metode yang dimulai dengan
pengetahuan dan perkiraan-perkiraan masa lalu dan mencari untuk peramalan
masa yang akan datang. Ada beberapa yang termasuk dalam metode ini yaitu
metode pengembangan scenario, pendekatan Delphi, kurva s dan lain-lain.
c. Metode pendekatan normative yaitu: metode yang memperkirakan tujuan yang
akan datang, kebutuhan-kebutuhan, keinginan-keinginan, misi-misi dan
lainnya. Kemudian melihat masa lalu hingga masa kini dalam menentukan
perkembangan-perkembangan tersebut untuk mencapai tujuan itu. Yang
termasuk dalam metode ini adalah pohon keputusan, matrik keputusan dan
analisa system.
2. Metode kuantitatif
Metode yang berdasarkan pada data-data masa lalu dan mempergunakan
metode-metode dan teknik peramalan serta mengadakan penganalisaan dalam
pembuatan peramalan. Metode ini terbagi atas:
a. Metode deret waktu (time series) yaitu: peramalan yang didasarkan atas nilai-
nilai variable masa lalu untuk menentukan pola dalam deret data untuk masa
yang akan datang.
b. Metode sebab akibat atau metode kasual yaitu: metode yang mengasumsikan
bahwa faktor yang diramalkan menunjukan sebab akibat dengan satu atau
lebih variabel.
11
a. Time Series Methode (Metode Deret Waktu)
Metode deret waktu dibagi menjadi beberapa metode (Hartini,2010), yaitu :
1. Constant Model
Digunakan pada kasus dimana data historis diplotkan terhadap waktu, fluktuasi
random berharga konstant. Persamaan untuk model ini adalah :
..................................................................................(1)
Dengan n adalah jumlah periode dan t adalah periode saat itu
2. Linear Model
Digunakan pada kasus dimana data historis diplotkan terhadap waktu, fluktuasi
random membentuk garis lurus yang menunjukkan pertumbuhan maupun
penurunan terhadap waktu.
Metode ini terdiri dari satu variabel bebas (independent variable) yaitu periode
waktu dan satu variabel tidak bebas (dependent variable) yaitu peramalan, dan
kedua variabel tersebut mempunyai hubungan linier. Jika data diukur menurut
waktu, maka fungsionalnya dinamakan deret berkala dan waktu tersebut dijadikan
variabel bebas. Jika tidak terdapat maka bentuk fungsionalnya dinamakan regresi
penampang melintang.
Persamaan : ....................................................(2)
Keterangan :
dt’ : Variabel Tidak Bebas (Dependent Variable) atau Peramalan
𝑎𝑎 : parameter regresi (intercept)
𝑏𝑏 : parameter regresi (slope)
t : variabel bebas (independent variable) atau periode waktu
sedangkan :
𝑎𝑎 = - ................................................................................................(3)
12
𝑏𝑏 = ........................................................................(4)
Keterangan :
N : Jumlah Data
dt : Permintaan
t : Periode Waktu
𝑎𝑎 : Parameter Regresi (intercept)
𝑏𝑏 : Parameter Regresi (slope)
Jika hubungan Antara x dan y membentuk garis lurus, maka regresi ini disebut
regresi linier.
3. Siklis
Rumus yang digunakan dalam metode ini adalah :
..............................................(5)
...............................(6)
(7)
...(8)
Dengan N adalah jumlah periode dalam satu siklus.
4. Metode Moving Average
Metode ini menggunakan sejumlah data aktual permintaan yang baru untuk menilai
ramalan permintaan di masa yang akan datang. Metode rata-rata bergerak akan
13
efektif diterapkan bila kita dapat mengasumsikan (dari pola permintaan yg ada)
bahwa permintaan terhadap produk akan tetap stabil sepanjang waktu. Metode rata-
rata bergerak dinyatakan dengan notasi MA (M x N) dimana kita merata-ratakan M
periode MA dari N periode MA (Hartini,2010)
Tujuan utama penggunaan teknik ini adalah untuk mengurangi atau menghilangkan
variasi acak permintaan dengan hubungannya dengan waktu tujuan ini didapatkan
dengan cara merata-ratakan beberapa nilai secara bersamaan dan menggunakan
nilai rata-rata tersebut sebagai ramalan periode yang akan datang. Moving average
diperoleh dengan merata-ratakan permintaan berdasarkan beberapa data di masa
lalu. Model ini dibagi menjadi beberapa metode, yaitu :
• Single Moving Average
Persamaaan : .......................................................(9)
Dimana:
dt’ : permintaan
dtt-n : permintaan periode sebelumnya
n : periode
• Weighted Moving Average
Model rata-rata bergerak ini lebih responsif terhadap perubahan, karena data dari
periode yang baru diberi pembobotan yang lebih besar.
Persamaan untuk metode ini adalah :
................................................................................(10)
Dengan C adalah pembobotan dengan ketentuan koefisien pembobotan adalah :
14
Tabel 2.1. Koefisien Pembobotan WMA Periode (bulan) Koefisien Pembobit WMA (N)
1 periode yang lalu N2 periode yang lalu N - 13 periode yang lalu N - 2... ...... ...N - 1 periode yang lalu N -(N-2) =2N Periode yang lalu N - (N-1) = 1Jumlah 𝛴𝛴Ci (i = 1,2,...N)
• Double Moving Average
Cara melakukan peramalan dengan metode ini adalah :
1. Menghitung single moving average dari data dan dinotasikan dengan St’.
2. Menghitung moving average kedua, yaitu moving average dari St’,
dinotasikan dengan St’’.
3. Hitung komponen trend at dengan rumus :
at = St’ + (St’ – St,,) = 2St’ – St’’
4. Hitung komponen trend bt dengan rumus :
bt = .................................................................(11)
5. Peramalan untuk periode kedepan (dt’) setelah t adalah :
Ft+m = at + bt . m........................................................................................(12)
5. Exponential Smoothing
Metode ini mencoba untuk mendekatkan keadaan peramalan dengan kenyataan.
Pendekatan pada dasarnya adalah untuk menggabungkan tingkat pemulusan
(smoothing) tambahan. Metode ini dibagi menjadi dua macam, yaitu single
eksponensial smoothing dan double exponential smoothing.
Single exponential smoothing memiliki persamaan sebagai berikut :
dt' = αdt + (1-α)dt-1’.................................................................................................................................................(13)
Sedangkan untuk menghitung double exponential smoothing melalui langkah-
langkah berikut :
• Buat exponential smoothing pertama yaitu St’ = αdt + (1 – α)St-1’...........(14)
15
• Buat exponential smoothing kedua yaitu St” = αSt’ + (1-α)St-1”...............(15)
• Hitung komponen at = 2St’ – St”.................................................................(16)
• Hitung komponen bt = .......................................(17)
• Ramalan untuk m periode ke depan = Ft+m = at + bt (m)..........................(18)
apabila pola historis dari data aktual sangat bergejolak dan tidak stabil, dari waktu
kewaktu, maka nilai α yang adalah mendekati 1. Pada umumnya dipilih nilai 0.9,
namun dapat juga digunakan nilai-nilai yang lainnya. Semakin tidak stabil data,
maka nilai yang dipilih semakin mendekati 1.
b. Kasual Methode (Metode Sebab Akibat)
1. Metode regresi linier
Dimana:
ā : koefisien pembobot Antara 0 dan 1
dt’ : permintaan periode sekarang
dtt-1 : permintaan periode sebelumnya
dt't-1 :
..............................................................................................(19)
2.1.6. Ukuran kesalahan peramalan
Suatu metode peramalan dikatakan baik dan dipilih sebagai metode yang paling
tepat apabila memiliki tungkat kesalahan peramalan terkecil. Sebelum menerapkan
penggunaan suatu metode untuk peramalan, terlebih dahulu dilakukan pengujian
tingkat ketelitian metode yang menjadi pilihan yang kelak akan digunakan. Ini
deperlukan agar metode yang dipilih menghasilkan kesalahan terkecil di antara
metode alternatif itu.
Metode-metode yang dapat digunakan untuk mengukur tingkat kesaahan adalah
(Hartini,2010):
16
1. Mean Squared Error (Nilai Tengah Kesalahan Kuadrat/MSE)
.......................................................................(20)
Keterangan: n : jumlah data
dt : Permintaan
dt’ : Peramalan
t : Periode Waktu
2. Standard Error of Estimated (Standar Estimasi Kesalahan/SEE)
.......................................................................(21)
Keterangan: n : Jumlah Data
dt : Permintaan
dt’ : Peramalan
t : Periode Waktu
f : Derajat kebebasan (1,2,3,….,n)
3. Mean Absolute Percentage Error (Nilai Tengah Kesalahan Persentase/MAPE)
...................................................................................(22)
Keterangan: n : Jumlah Data
t : Periode Waktu
|PE| : Absolute Persentase Kesalahan/Error
17
4. Mean Error (ME) atau Bias (Vollmann,2005)
Hasil dari ME mungkin negatif. Berikut rumus perhitungannya :
.......................................................................................(23)
5. Mean Absolute Error (MAE) (Vollman,2005)
................................................................................(24)
2.1.7. Verifikasi Metode
Verifikasi metode peramalan dilakukan untuk mengetahui apakah hasil peramalan
dapat digunakan atau tidak. Cara verifikasi dapat dilakukan dengan memplot hasil
MRt dengan batas atas dan batas bawahnya. Berikut formulanya :
...........................................................................................(25)
MRt = | (dt’-dt) – (d’t-1-dt-
1)|..................................................................................(26)
Dengan UCL (Upper Control Limit) = +2.66MR
Dan LCL (Lower Control Limit) = - 2.66 MR
Hasil peramalan apat dikatakan out of control jika :
1. Ada titik diluar UCL atau LCL.
2. Dari 3 titik berturut-turut ada 2 titik atau lebih berada di area 2/3 UCL atau 2/3
LCL.
3. Dari 5 titik berturut-turut ada 4 titik atau lebih berada di area1/3 UCl atau 1/3
LCL.
4. Ada 8 titik berturut-turut berada di salah satu sisi.
18
2.1.8. Validasi Metode
Validasi metode dilakukan dengan cara uji tracking signal. Tracking signal adalah
suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nlai-nilai aktual.
Tracking signal positif menunjukkan bahwa nilai aktual permintaan lebih besar
daripada nilai ramalannya, sedangkan nilai tracking signal negative menunjukkan
sebaliknya. Suatu tracking signal yang baik memiliki nilai Running Sum of the
Forecast Error (RSFE) yang rendah, sehingga pusat dari tracking signal mendekati
nol (Hartini,2010)
• Uji Tracking Signal-Brown
Batas-batas nilai tracking signal Brown adalah ±4 sampai ±6, namun yang sering
digunakan adalah ±4. Formula dari tracking signal ini adalah :
.....................................................................................(27)
...........................................................................................(28)
.......................................................................................(29)
• Uji Tracking Signal-Trigg
...........................................................................(30)
Batas bawah dan atas tracking Signal metode ini adalah ±1.
19
BAB III
METODOLOGI PENELITIAN
Agar pembahasan tugas akhir ini lebih terarah dan sitematik, sehingga mudah
untuk dipahami, maka penulis akan memberikan tahapan-tahapan pemecahan
masalah dan menyajikannya dengan membuat kerangka penyelesaian masalah.
Adapun tahapan-tahapan tersebut adalah sebagai berikut:
Selesai
Simpulan dan Saran
Perhitungan dan Analisis
Pengumpulan Data
Studi Pustaka
- Tracking Signal- Verifikasi metode peramalan- SEE, MSE. MAPE, MAE, ME- Pola Siklis- Exponential Smoothing- Moving Average- Arithmatic Average- Last Period Demand
Observasi
Mulai
- Data Solution Rate- Data Kapasitas Aktual- Data Permintaan Tahun 2013
Identifikasi Masalah
Gambar 3.1. Alur Metodologi Penelitian
20
3.1. Observasi
Observasi awal dilakukan pada seluruh proses pengetesan kandungan bahan kimia
yang ada di Laboratorium Kimia PT. XYZ. Proses pengetesan kandungan bahan
kimia dimulai dari penerimaan sampel, proses scraping, preparasi sample, analisis
sampel sampai penyampaian hasil kepada customer. Dari beberapa jenis
pengetesan yang ada di Laboratorium Kimia, dipilih pengetesan kandungan logam
berat yang memiliki jumlah sampel paling banyak dan sering tidak mampu
memenuhi kebutuhan pelanggan. Proses pengetesan kandungan logam berat
dimulai dengan proses penerimaan sampel, kemudian proses breakdown sample,
scraping sample, dilanjutkan proses preparasi sample dengan proses digestion,
analisis sampel dengan mesin ICP, pelaporan hasil analisis kepada pelanggan.
Penelitian dipusatkan pada proses scraping sample, karena proses inilah yang
membutuhkan sumber daya operator paling banyak. Observasi juga dilakukan
untuk menemukan gejala masalah atau indikasi terjadinya permasalahan. Observasi
dilakukan secara langsung dan tidak langsung. Observasi secara langsung
dilakukan dengan nmengamati proses pengetesan kandungan logam berat dari
sampel diterima sampai proses selesai. Observasi tidak langsung dilakukan dengan
cara mempelajari data-data yang ada di Laboratorium Kimia PT. XYZ.
3.2. Identifikasi Masalah
Identifikasi masalah merupakan langkah awal dalam menentukan objek
permasalahan. Dengan melakukan tinjauan langsung ke Laboratorium Kimia, maka
akan didapatkan informasi permasalahan pada tempat yang bersangkutan. Dari
beberapa permasalahan ini kemudian ditetapakan satu masalah untuk dirumuskan
dan dibahas.
Pada skripsi ini masalah yang akan dibahas adalah tidak adanya metode peramalan
yang digunakan untuk meramalkan permintaan pengetesan logam berat pada
periode berikutnya, sehingga tidak dapat diprediksi kebutuhan sumber daya untuk
memenuhi kebutuhan pelanggan pada periode selanjutnya. Hal ini juga menjadi
salah satu penyebab permintaan pelanggan tidak dapat dipenuhi sesuai keinginan
pelanggan.
21
Sebagai tolak ukur dalam melakukan penelitian ini adalah kapasitas sumber daya
yang ada saat ini dibandingkan dengan perkiraan kebutuhan sumber daya pada
periode 2014 yang telah diramalkan dengan metode peramalan yang telah dipilih.
3.3. Studi Pustaka
Untuk membantu penulis dalam melakukan penelitian ini, maka ada beberapa teori
umum yang digunakan serta beberapa software dalam penghitungan dan
pengolahan data yang didapat. Studi pustaka dilakukan untuk mendapatkan
penyelesaian-penyelesaian teknis dari permasalahan. Studi pustaka juga dapat
menjadi penguat dari metode-metode yang diterapkan. Dengan melakukan studi
pustaka, penulis dapat memperoleh dukungan teori untuk penelitian yang
dilakukan. Studi pustaka mulai dilakukan pada tahap identifikasi masalah. Penulis
dapat mempelajari serta mengidentifikasi data-data dari observasi, sehingga dapat
diambil keputusan tentang metode penyelesaian masalah yang akan digunakan.
Studi pustaka yang penulis bahas di dalam skripsi ini adalah teori-teori umum
mengenai perencanaan produksi, teknik peramalan dan juga teori-teori yang
diberikan selama masa perkuliahan. Sedangkan software yang digunakan untuk
mempermudah dalam pengolahan data adalah Microsoft Excel.
3.4. Pengumpulan dan Pengolahan Data
Data pada penelitian ini diambil dalam periode Januari 2013 sampai Desember
2013. Data tersebut diambil dari pengarsipan administrasi laboratorium Kimia PT.
XYZ. Data-data yang dikumpulkan antara lain:
3.4.1. Data Permintaan Pengetesan Logam Berat
Data permintaan pengetesan logam berat yang diambil adalah data periode Januari
2014 sampai Desember 2013.
3.4.2. Data Kapasitas Aktual Operator Scraping
Data kapasitas atau kemampuan aktual operator scraping diperoleh dari penelitian
dan percobaan perencanaan kapasitas yang telah dilakukan oleh pihak laboratorium
sebelumnya.
22
3.4.3. Data Solution Rate
Data solution rate adalah konversi dari LER menjadi solution untuk memudahkan
perhitungan kapasitas yang dibutuhkan. Data solution rate yang diambil adalah
data solution rate periode Januari 2013 sampai Desember 2013.
3.4.4. Teknik Pengumpulan Data
Teknik-teknik pengumpulan data yang dilakukan dalam penelitian ini adalah:
1. Wawancara, wawancara dalam penelitian ini dilakukan kepada supervisor, dan
operator langsung. Wawncara ini dilakukan untuk mengetahui proses yang
seharusnya dan aktual proses yang dilakukan di lapangan.
2. Dokumentasi atau pengambilan data dari arsip Laboratorium yang ada. Data
yang diambil adalah data permintaan pengetesan kandungan logam berat pada
Januari 2013 sampai Desember 2013.
3. Tinjauan Pustaka
Adalah teori-teori yang digunakan dalam penyelesaian masalah pada penelitian
ini. Dimana teori-teori ini sudah dijabarkan pada BAB II studi pustaka.
3.4.5. Sumber Data
Dari teknik pengumpulan data yang telah dilakukan oleh penulis, maka sumber
sumber data dapat dikelompokkan menjadi:
1. Data Primer
Data primer adalah data yang diperoleh dari hasil wawancara langsung kepada
operator dan supervisor Laboratorium Kimia PT. XYZ. Yang termasuk ke
dalam data primer adalah proses kerja pengetesan kandungan logam berat.
2. Data Sekunder
Data sekunder adalah data-data yang diperleh dari data-data yang sudah ada
sebelumnya. Data-data ini biasanya berasal dari arsip-arsip Laboratorium.
Yang termasuk data sekunder dalam penelitian ini adalah:
• Data permintaan pengetesan kandungan logam berat periode Januari 2013
hingga Desember 2013.
• Data kapasitas aktual operator scraping.
• Data solution rate.
23
3.5. Perhitungan dan Analisis
3.5.1. Perhitungan
Perhitungan data dilakukan dengan melakukan teknik peramalan dengan berbagai
metode yaitu Double Moving Average, Weighted Moving Average, Exponential
Smoothing, dan pola siklis. Perhitungan juga mencakup perhitungan ukuran
kesalahan dengan menggunakan MSE (Mean Squared Error/nilai rata-rata
kesalahan kuadrat ), SEE (Standard Estimated of Error/standar estimasi kesalahan)
dan MAPE (Mean Percentage Error/nilai rata-rata presentase kesalahan)
3.5.2. Analisis
Analisis data dilakukan dengan melakukan analisis kesalahan metode peramalan,
kemudian memilih metode peramalan yang memiliki ukuran kesalahan paling
rendah kemudian melakukan uji verifikasi dan tracking signal serta validasi metode
peramalan. Analisis juga mencakup perbandingan kapasitas sumber daya yang ada
saat ini dengan perkiraan permintaan periode 2014 yang telah diramalkan.
3.6. Simpulan dan Saran
Merupakan tahap akhir dari penelitian. Yaitu memberikan kesimpulan dan saran
berdasarkan hasil dari perhitungan dan analisis data yang telah dilakukan agar
permasalahan dapat teratasi. Simpulan yang didapatkan diharapkan mampu
menjawab semua tujuan yang telah ditetapkan dalam penelitian serta mampu
memberikan konstribusi kepada Laboratorium Kimia PT. XYZ. Saran yang
diberikan diharapkan dapat menjadi acuan dan bahan pertimbangan jika kan
dilakukan penelitian yang lebih lanjut.
24
BAB IV
DATA DAN ANALISIS
4.1. Data
Ada dua garis besar permintaan pengetesan yang dilayani oleh Laboratorium Kimia
PT. XYZ, yaitu pengetesan kandungan Logam Berat atau Heavy Element dan
kandungan Phthalate atau Plastiziser. Secara garis besar, Laboratorium PT. XYZ
melayani dua pelanggan, yaitu Departemen Incoming Quality Control (IQC) dan
Departemen Quality Contro (QC). Sample yang berasal dari IQC disebut sample
incoming dan berwujud raw matererial atau bahan baku, sedangkan sampel yang
berasal dari QC berupa barang jadi yang disebut Product Qualification (PQ), dan
barang stengah jadi yang disebut Bi-Weekly sampel. Pada penelitian ini akan
difokuskan pada pemilihan metode pramalan untuk permintaan pengetesan
kandungan logam berat dari berbagai macam jenis sampel.
Untuk melakukan peramalan, maka diperlukan adanya data permintaan pada
periode sebelumnya. Berikut data permintaan pengetesan kandungan bahan kimia
di Laboratorium Kimia PT. XYZ selama periode 2013.
Tabel 4.1. Data Permintaan Pengetesan Kandungan Bahan Kimia Periode 2013
Bulan Heavy Element (LER)
Incoming Bi-Weekly PQ Jan-13 1850 341 74 Feb-13 1619 366 51 Mar-13 1610 410 44 Apr-13 2149 472 64 Mei-13 1969 474 80 Jun-13 1903 457 39 Jul-13 2041 474 52
Agust-13 1145 361 21 Sep-13 1628 357 54 Okt-13 1380 339 31 Nop-13 1139 290 26 Des-13 1395 317 24
25
4.2. Perhitungan Peramalan
Setelah data-data yang diperoleh dan disajikan maka pada bab ini selanjutnya
adalah menganalisa dan membahas masalah yang diteliti. Adapun
penganalisaannya sebagai berikut: Data permintaan dari tahun 2013 dapat dibuat
sebagai suatu peramalan permintaan untuk periode yang akan datang (tahun 2014).
Untuk menentukan jenis data yang ada, maka data akan di plot terlebih dahulu
untuk menentukan metode yang dapat digunakan. Berikut diagram pencar sebaran
data permintaan periode 2013.
Gambar 4.1. Diagram Pencar Permintaan Pengetesan Sampel Incoming
Gambar 4.1. Diagram Pencar Permintaan Pengetesan Sampel Bi-Weekly
26
Gambar 4.3. Diagram Pencar Permintaan Pengetesan Sampel PQ
Dari diagram pencar diatas, dapat diketahui bahwa sebaran permintaan pengetesan
kandungan logam berat adalah siklis. Untuk itu, metode peramalan yang digunakan
adalah :
1. Moving Average(Double dan Weighted)
2. Exponential Smoothing
3. Pola Siklis
Sedangkan perhitungan ukuran kesalahan yang digunakan dalam pemilihan metode
peramalan yang terbaik adalah sebagai berikut:
1. Mean Squared Error (Nilai Tengah Kesalahan Kuadrat/MSE)
2. Standard Error of Estimated (Standar Estimasi Kesalahan/SEE)
3. Mean Percentage Error (Nilai Tengah Kesalahan Persentase/MAPE)
4. Mean Error (rata-rata kesalahan)
5. Mean absolute Error (Rata-rata kesalahan mutlak)
Kemudian akan dilakukan verifikasi metode dengan cara tracking signal serta
validasi metode. Perhitungan ukuran kesalahan metode digunakan untuk memilih
metode mana yang paling tepat. Sedangkan verifikasi metode dilakukan unuk
memastikan jika metode tersebut tepat untuk digunakan.
Pemilihan metode peramamlan akan dikelompokkan menurut jenis permintaan
pengetesan dan stasiun sampel berasal.
27
1. Weighted Moving Average (WMA) 4
WMA 4 dilakukan dengan cara memberikan pembobotan pada data permintaan
aktual 4 bulan terakhir. Peramalan dimulai pada bulan Mei, sistem pembobotannya
adalah data aktual pada bulan April dikalikan 4, bulan Maret 3, Februari 2 dan
bulan Januari 1. Sehingga jika bobot dijumlahkan adalah 10, jumlah bobot ini
digunakan untuk membagi hasil penjumlahan data aktual yang telah dikalikan
bobotnya. Begitu juga untuk bulan-bulan selanjutnya. Berikut contoh perhitungan
peramalan dengan metode WMA 4 untuk bulan Mei untuk incoming :
d4’ =( (d4-1 x 4 ) + (d4-2 x 3) + (d4-3 x 3) + (d4-3 x 1))/10
=( (2149 x 4) + (1610 x 3) + (1619 x 2) + (1850 x 1))/10
= 1851.4
Berikut hasil peramalan dengan metode WMA 4:
Tabel 4.2. Perhitungan Peramalan Permintaan Metode WMA 4
Periode Waktu
(t) Bulan
Permintaan (dt) (LER) Forecast demand (dt') (LER)
Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ
1 Jan-13 1850 341 58 2 Feb-13 1619 366 42 3 Mar-13 1610 410 25 4 Apr-13 2149 472 41 5 May-13 1969 474 30 1851.4 38,1 38,1 6 Jun-13 1903 457 38 1916.2 33,5 33,5 7 Jul-13 2041 474 51 1942.7 34,9 34,9 8 Aug-13 1145 361 13 1996 41,9 41,9 9 Sep-13 1628 357 28 1647.8 31,1 31,1
10 Oct-13 1380 339 21 1593.2 29,1 29,1 11 Nov-13 1139 290 17 1473.5 24,5 24,5 12 Dec-13 1395 317 24 1309.7 20 20
2. Double Moving Average (DMA)
Merupakan lanjutan dari Single Moving Average. Untuk menghitung metode
Double Moving Average, maka harus menghitung Single Moving Average terlebih
28
dahulu. Contoh perhitungan peramalan dengan metode Double Moving Average
untuk sampel Bi-Weekly pada bulan Juni:
dt’ : a t-1 + bt-1
at : St’ + (St’-St”)
bt : (2/(n-1)) x (St’-St”)
Dengan St’ : hasil dari Single Moving Average pertama
Dan St” : hasil dari Single Moving Average kedua.
Sehingga perhitungan peramalan untuk bulan Juni adalah :
dt’ : (441 + (441-370.75)) + ((2/19) x (441 – 370.75) = 519
Berikut perhitungan peramalan dengan metode Double Moving Average untuk
masing-masing jenis sampel.
Tabel 4.3. Perhitungan Peramalan Permintaan Metode Double Moving Average
Periode Waktu
(t)
Permintaan (dt) Bulan
Permintaan (dt) (LER) Forecast demand (dt') (LER)
Incoming Bi-Weekly PQ Incoming Bi-
Weekly PQ
1 1850 Jan-13 1850 341 58 2 1619 Feb-13 1619 366 42 3 1610 Mar-13 1610 410 25 4 2149 Apr-13 2149 472 41 5 1969 May-13 1969 474 30
6 1903 Jun-13 1903 457 38 2106 519 23 7 2041 Jul-13 2041 474 51 2404 538 38 8 1145 Aug-13 1145 361 13 1899 475 34 9 1628 Sep-13 1628 357 28 1944 461 55
10 1380 Oct-13 1380 339 21 1194 364 24 11 1139 Nov-13 1139 290 17 949 268 1 12 1395 Dec-13 1395 317 24 1520 304 23
3. Metode Exponential Smoothing
Metode exponential smoothing juga menjadi dua metode, yaitu metode single
exponential dan double exponential smoothing. Untuk metode double exponential
smoothing dibagi lagi menjadi metode Browns dan metode Holt.
29
A. Single Exponential Smoothing(SES)
Perhitungan untuk metode Single Exponential Smoothing adalah dengan mencari
koefisien α, koefisien ini tergantung pada jumlah sampel. a dikalikan dengan
permintaan aktual kemudian hasilnya dijumlah dengan hasil dari 1 dikurang α
dikalikan dengan peramalan pada periode sebelumnya.
dt’ : (α x dt)+((1-α) x (dt’-1)
Contoh perhitungan peramalan pada bulan Februari Bi-Weekly adalah
dt’ : (0.2 x 366) + ( 0.8 x 341)
Sehingga hasil perhitungan peramalan dengan metode single exponential
smoothing dengan asumsi α = 2 adalah:
Tabel 4.4. Perhitungan Peramalan Permintaan Metode Single exponential Smoothing
Periode Waktu
(t)
Bulan Permintaan (dt) (LER) Forecast Demant (α =0.2)
(LER) Incomi
ng Bi-
Weekly PQ Incoming Bi-
Weekly PQ 1 Jan-13 1850 341 58 1850 341 58 2 Feb-13 1619 366 42 1804 346 55 3 Mar-13 1610 410 25 1765 359 49 4 Apr-13 2149 472 41 1842 381 47 5 May-13 1969 474 30 1867 400 44 6 Jun-13 1903 457 38 1874 411 43 7 Jul-13 2041 474 51 1908 424 44 8 Aug-13 1145 361 13 1755 411 38 9 Sep-13 1628 357 28 1730 400 36
10 Oct-13 1380 339 21 1660 388 33 11 Nov-13 1139 290 17 1556 369 30 12 Dec-13 1395 317 24 1524 358 29
B. Double Exponential Smoothing-Brown
Cara perhitungan metode peramalan ini cukup rumit. Berikut contoh perhitungan
peramalan sampel Bi-Weekly dengan metode ini pada bulan Maret adalah :
dt’ : (St-1’ – (α x St-1’ + ((1 - α) x St-1”-1))) + (dt-1 – St-1’)
30
dengan St’ adalah hasil dari Single Moving Average. Sehingga contoh perhitungan
peramalan untuk bula Maret adalah :
dt’ : (346 – 342) + (366 – 346) = 370
Sehingga hasil perhitungan peramalan dengan metode double exponential
smoothing-Browns dengan asumsi α = 2.
Tabel 4.5. Perhitungan Peramalan Permintaan Metode Double Exponential
Smoothing-Brown
Periode
Waktu (t)
Bulan
Permintaan (dt) (LER) Forecast Demant (α =0.2) (LER)
Incoming
Bi-Weekl
y PQ
Incoming
Bi-Weekly
PQ
1 Jan-13 1850 341 58 2 Feb-13 1619 366 42 3 Mar-13 1610 410 25 1582 370 39 4 Apr-13 2149 472 41 1549 423 18 5 May-13 1969 474 30 2162 501 34 6 Jun-13 1903 457 38 2000 512 22 7 Jul-13 2041 474 51 1933 496 31 8 Aug-13 1145 361 13 2092 516 46 9 Sep-13 1628 357 28 1064 384 4
10 Oct-13 1380 339 21 1543 367 19 11 Nov-13 1139 290 17 1256 337 12 12 Dec-13 1395 317 24 956 273 7
C. Double Exponential Smoothing-Holt
Contoh perhitungan peramalan dengan metode Double Exponential Smoothing-
Holt pada bulan Februari dengan α = 0.2 dan y = 0.3 adalah :
dt’ : pemulusan St + Trend St
pemulusan St : ((α x dt) + ((1-α)x (pemulusan St-1 – Trend St-1)))
Trend St : ((y x (pemulusan St – pemulusan St-1) + ((1-y) x trend St-1))
Jadi untuk dt2 adalah : ((0.2 x 366) + (0.8 x (341 – 44))) + ((0.3 x (311 – 341)) +
0.7 x 44)) = 333.
Berikut hasil perhitungan peramalan untuk metode Double exponential smoothing -
Holt.
31
Tabel 4.6. Perhitungan Peramalan Permintaan Metode Double Exponential Smoothing-Holt
T Bulan Permintaan (dt) (LER) Forecast Demant (α =0.2, y = 0.3)
(LER)
Incoming Bi-Weekly PQ Incoming Bi-
Weekly PQ
1 Jan-13 1850 341 58 1850 385 58 2 Feb-13 1619 366 42 1681 333 54 3 Mar-13 1610 410 25 1621 330 47 4 Apr-13 2149 472 41 1709 350 48 5 Mei-13 1969 474 30 1728 364 45 6 Jun-13 1903 457 38 1735 371 45 7 Jul-13 2041 474 51 1775 382 49 8 Agust-13 1145 361 13 1624 362 43 9 Sep-13 1628 357 28 1606 355 37
10 Okt-13 1380 339 21 1552 348 33 11 Nop-13 1139 290 17 1476 332 30 12 Des-13 1395 317 24 1483 332 30
4. Pola Siklis
Jika permintaan di plot ke dalam diagram pencar, maka dapat dilihat bahwa pola
permintaan pengetesan berupa pola siklis. Dari gambar 4.1, 4.2, dan 4.3, diketahui
bahwa masing-masing jenis sampel merupakan pola siklis dengan 6 periode.
Sehingga perhitungan peramalan menggunakan rumus sinus dan cosinus 60.
Berikut contoh perhitungan pola siklis untuk sampel Incoming pada bulan
Februari.
dt’ : a + (b sin 60t) + (c cos 60t)
dari perhitungan didapatkan persamaan untuk sampel Incoming :
12a + 0b + 0c = 19828
0a + 6b + 0c = 413
0a + 0b + 5.9999c = 15.588
Sehingga didapatkan :
a = 1652.33
b = 68.83
c = 2.598
jadi peramalan untuk sampel Incoming pada bulan Februari adalah:
32
dt’ : 1652.33 + (68.83 x sin(60 x 2)) + (2.598 x cos(60 x 2)) = 1620.
Dengan cara yang sama, didapatkan persamaan-persamaan untuk sampel Bi-
Weekly dan PQ sebagai berikut:
Bi-Weekly :
12a + 0b + 0c = 4658
0a + 6b + 0c = 27.5
0a + 0b + 6c = -28.578
a = 388.17
b = 4.58
c = -4.76
Persamaan PQ :
12a + 0b + 0c = 4658
0a + 6b + 0c = 27.5
0a + 0b + 6c = -28.578
a = 32.3
b = 4.75
c = 7.94
Sehingga dari perhitungan persamaan tersebut didapatkan hasil peramalannya :
Tabel 4.7. Perhitungan Peramalan Permintaan Metode Pola Siklis
T Bulan Permintaan (dt) (LER) Forecast Demant (LER)
Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ
1 Jan-13 1850 341 58 1689 386 42 2 Feb-13 1619 366 42 1620 382 37 3 Mar-13 1610 410 25 1584 384 28 4 Apr-13 2149 472 41 1616 390 23 5 Mei-13 1969 474 30 1685 395 28 6 Jun-13 1903 457 38 1721 393 37 7 Jul-13 2041 474 51 1689 386 42 8 Agust-13 1145 361 13 1620 382 37 9 Sep-13 1628 357 28 1584 384 28
10 Okt-13 1380 339 21 1616 390 23 11 Nop-13 1139 290 17 1685 395 28 12 Des-13 1395 317 24 1721 393 37
33
4.3. Perhitungan Ukuran Kesalahan
Untuk menentukan metode peramalan yang akan digunakan, maka dilakukan
perhitungan ukuran kesalahan. Pada penelitian ini, perhitungan kesalahan
dilakukan denngan beberapa metode, yaitu :
1. Mean Squared Error (Rata-Rata Kesalahan Kuadrat/MSE)
Nilai tengah kesalahan kuadrat diperoleh dengan menjumlahkan hasil kuadrat dari
pengurangan permintaan aktual dan hasil peramalannya kemudian dibagi dengan
jumlah periode waktunya. Sehingga didapatkan MSE untk masing-masing sampel
adalah: Tabel 4.8. Nilai MSE
Metode Jenis Sampel Incoming Bi-Weekly PQ
WMA (4) 76073,38 2299,16 110,65 DMA 77321,39 2753,00 152,40 SES 69377,90 3000,09 171,05 DES-Brown 155508,16 3148,61 285,01 DES-Holt 31,68 4391,55 192,02 Pola Siklis 100859,42 3850,37 54,57
2. Standard Error of Estimated (Standar Estimasi Kesalahan/SEE)
SEE diperoleh dari akar kuadrat jumlah kuadrat pengurangan permintaan aktual
dengan peramalan dibagi dengan jumlah periode waktu dikurangi dengan derajat
kebebasan. Dikarenakan permintaan merupakan jenis siklis, maka derajat
kebebasannya adalah 3. Dari perhitungan tersebut diperoleh nilai SEE untuk
masing-masing sampel adalah: Tabel 4.9. Nilai SEE
Metode Jenis Sampel Incoming Bi-Weekly PQ
WMA (4) 318,48 55,37 12,15 DMA 321,08 60,59 14,25 SES 304,14 63,25 15,10 DES-Brown 455,35 64,79 19,49 DES-Holt 6,50 76,52 16,00 Pola Siklis 366,71 71,65 7,90
34
3. Mean Percentage Error (Rata-Rata Kesalahan Persentase/MAPE)
Nilai tengah kesalahan presentase atau MAPE diperoleh dari jumlah nilai mutlak
presentase pengurangan permintaan aktual dengan peramalan. Dengan perhitungan
tersebut didapatkan nilai MAPE untuk masing-masing sampel dengan masing-
masing metode adalah: Tabel 4.10. Nilai MAPE
Metode Jenis Sampel Incoming Bi-Weekly PQ
WMA (4) 11,50 9,00 33,60 DMA 12,74 8,93 36,33 SES 14,51 12,83 48,85 DES-Brown 18,39 10,94 55,07 DES-Holt 0,11 11,58 52,33 Pola Siklis 16,70 13,80 16,98
4. Mean Error (rata-rata kesalahan)
Mean error atau rata-rata kesalahan merupakan nilai rata-rata dari pengurangan
permintaan aktual dengan peramalan. Nilai rata-rata keslahan yang diperoleh untuk
mssing-masing sampel adalah: Tabel 4.11. Nilai Mean Error
Metode Jenis Sampel Incoming Bi-Weekly PQ
WMA (4) -94,21 -19,46 -2,59 DMA -115,38 -27,78 -0,48 SES -108,83 5,74 -9,78 DES-Brown 18,54 -19,01 4,56 DES-Holt -1,62 38,35 -10,94 Pola Siklis -13,42 3,78 -0,68
5. Mean absolute Error (Rata-rata kesalahan mutlak)
Mean absolute error atau rata-rata mutlak merupakan nilai mutlak dari rata-rata
kesalahan. Sehingga cara perhitungannya sama. Berikut nilai rata-rata mutlak untuk
masing-masing sampel:
35
Tabel 4.12. Nilai Rata-Rata Mutlak
Metode Jenis Sampel Incoming Bi-Weekly PQ
WMA (4) 94,21 19,46 2,59 DMA 115,38 27,78 0,48 SES 108,83 5,74 9,78 DES-Brown 18,54 19,01 4,56 DES-Holt 1,62 38,35 10,94 Pola Siklis 13,42 3,78 0,68
4.4. Analisis
4.4.1. Analisis Kondisi Saat Ini
Saat ini, Laboratorium Kimia PT. XYZ memiliki 19 operator scraping, dengan
pembagian tugas yaitu 6 orang untuk analisis kandungan Phthalate, dan 13 scraper
untuk analisis kandungan logam berat. Untuk melakukan perhitungan kapasitas,
atau kemampuan scraper, dapat dilakukan dengan cara mengalikan jumlah scraper
dengan kemampuan scraper per jam, jam efektif kerja perhari dan jumlah hari
kerja. Pola kerja yang ada di Laboratoriun Kimia PT. XYZ adalah 2 shift 6 hari
kerja, jam efektif kerja adalah 14 jam dalam sehari. Sedangkan kemampuan
scraper dalam 1 jam adalah sebanyak 1 solution. Sebagai contoh perhitungan
kemampuan scraper pada bulan April adalah : 14 x 13 x 25 = 4550, 25 adalah
jumlah hari kerja pada bulan April. Tabel 4.13. Kapasitas Scraper Tiap Bulan
Bulan Hari Kerja
Efektif
Kapasitas Per Bulan
Jan-14 24 4368 Feb-14 24 4368 Mar-14 21 3822 Apr-14 25 4550 Mei-14 23 4186 Jun-14 25 4550 Jul-14 22 4004
Agust-14 25 4550 Sep-14 26 4732 Okt-14 27 4914 Nop-14 25 4550 Des-14 25 4550
36
4.4.2. Analisis Usulan
4.4.2.1. Ukuran kesalahan Peramalan
Dari perhitungan peramalan dan perhitungan ukuran kesalahan yang telah
dilakukan untuk masing-masing jenis sampel, maka perbandingan ukuran
kesalahan untuk masing-masing metode dapat disimpulkan sebagai berikut:
a. Incoming Tabel 4.14. Ukuran kesalahan Peramalan Sampel Incoming
Metode Kesalahan MSE SEE MAPE ME MAE
WMA (4) 76073,38 318,48 11,50 -94,21 94,21 DMA 77321,39 321,08 12,74 -115,38 115,38 SES 69377,90 304,14 14,51 -108,83 108,83 DES-Brown 155508,16 455,35 18,39 18,54 18,54 DES-Holt 31,68 6,50 0,11 -1,62 1,62 Pola Siklis 100859,42 366,71 16,70 -13,42 13,42
Dari tabel, dapat dilihat bahwa ukuran kesalahan yang paling kecil dimiliki oleh
metode Double Exponential Smoothing-Holt. Untuk itu metode yang dipilih untuk
meramalakan sampel incoming periode selanjutnya adalah metode Double
Exponential Smooyhing=Holt
b. Bi-Weekly Tabel 4.15. Ukuran kesalahan Peramalan Sampel Bi-Weekly
Metode Kesalahan MSE SEE MAPE ME MAE
WMA (4) 2299,16 55,37 9,00 -19,46 19,46 DMA 2753,00 60,59 8,93 -27,78 27,78 SES 3000,09 63,25 12,83 5,74 5,74 DES-Brown 3148,61 64,79 10,94 -19,01 19,01 DES-Holt 4391,55 76,52 11,58 38,35 38,35 Pola Siklis 3850,37 71,65 13,80 3,78 3,78
Dari tabel 4.15, dapat dilihat bahwa metode peramalan yang memiliki ukuran
kesalahan paling kecil adalah metode WMA 4 dan DMA. Untuk itu perlu
dibandingkan hasil peramalan dan aktual nya untuk menentukan metode mana
yang paling tepat untuk digunakan. Berikut perbandingan sebaran antara aktual
permintaan dan peramalan:
37
Gambar 4.4. Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-
Weekly Metode WMA 4
Gambar 4.5. Perbandingan Aktual Permintaan dan Peramalan Sampel Bi-
Weekly Metode DMA
Dari gambar 4.4 dan 4.5, dapat dilihat bahwa peramalan dengan metode DMA,
mengikuti pola permintaan aktualnya, sedangkan pada WMA peramalan cenderung
memiliki perbedaan yang lebih signifikan dengan permintaan aktualnya. Sehingga
dapat dikatakan metode yang tepat untuk peramalan sampel Bi-Weekly adalah
metode DMA (Double Moving Average)
38
c. Product Qualification (PQ) Tabel 4. 16. Ukuran kesalahan Peramalan Sampel PQ
Metode Kesalahan MSE SEE MAPE ME MAE
WMA (4) 110,65 12,15 33,60 -2,59 2,59 DMA 152,40 14,25 36,33 -0,48 0,48 SES 171,05 15,10 48,85 -9,78 9,78 DES-Brown 285,01 19,49 55,07 4,56 4,56 DES-Holt 192,02 16,00 52,33 -10,94 10,94 Pola Siklis 54,57 7,90 16,98 -0,68 0,68
Dari tabel 4.16 dapat dilihat metode yang memiliki ukuran kesalahan paling kecil
adalah metode pola siklis, maka metode inilah yang akan digunakan untuk
meramalkan permintaan pengetesan sampel PQ untuk periode 2014.
4.4.2.2. Verifikasi dan Validasi Metode Peramalan
Setelah menentukan metode peamalan yang tepat untuk masing-masing sampel
maka akan dilakukan peramalan untuk periode 2014. Namun sebelum dilakukan
peramalan, metode-metode tersebut harus diverifikasi dan validasi terlebih dahulu
untuk meyakinkan bahwa metode yang dipilih memang merupakan metode yang
tepat.
1. Verifikasi Metode
Verifikasi metode dilakukan dengan memplot hasil peramalan ke dalam diagram
pencar yang telah ditentukan batas atas dan batas bawahnya dan dengan
menggunakan peta tracking signal. Berikut verifikasi dan validasi metode yang
dipilih untuk masing-masing jenis sampel:
a. Incoming
Berikut hasil verifikasi untuk metode Double Exponential Smoothing-Holt
39
Gambar 4.6. Hasil Verifikasi Metode Double Exponential Smoothing-Holt
Berikut peta tracking signal untuk metode Double Exponential Smoothing-Holt
Gambar 4.7. Peta Tracking Signal Metode Double Exponential Smoothing-Holt
Dari hasil verifikasi dan tracking signal metode menggunakan tracking signal dapat
dilihat bahwa hasil peramalan tidak ada yang melampui batas atas dan batas bawah,
sehingga dapat dikatakan metode ini dapat digunakan untuk meramalkan
permintaan pengetesan sampel incoming periode 2014.
40
b. Bi-Weekly
Gambar 4.8. Hasil Verifikasi Metode DMA
Gambar 4.9. Peta Tracking Signal Metode DMA
Dari hasil verifikasi dan peta tracking signal untuk metode DMA, dapat dilihat
tidak ada metode yang melebihi batas atas, sehingga dapat dikatakan metode ini
dapat digunakan untuk meramalkan permintaan pengetesan untuk sampel Bi-
weekly periode 2014.
41
c. Product Qualification (PQ)
Gambar 4.10. Verifikasi Metode Pola Siklis
Gambar 4.11. Peta Tracking Signal Metode Pola Siklis
Dari hasil verifikasi dapat dilihat tidak ada hasil peramalan yang melebihi batas
atas atau kurang dari batas bawah. Namun jika melihat tracking sugnal, ada 3 data
yang kurang dari batas bawah. Namun data ini masih bisa dihilangkan, sehingga
metode ini dapat digunakan untuk meramalkan permintaan pengetesan sampel PQ
periode 2014.
42
2. Validasi Metode
Validasi metode dilakukan dengan cara memplot hasil peramalan dengan
permintaan aktual. Sehingga dapat dilihat perbedaan antara peramalan dan
permintaan aktual. Berikut hasil validasi untuk masing-masing metode :
Gambar 4.12. Validasi Double Exponential Smoothing
Dari grafik 4.12 dapat dilihat bahwa hasil peramalan polanya mengikuti pola
permintaan aktual. Sehingga metode Double Exponential Smoothing memang tepat
untuk sampel Incoming.
Gambar 4.13. Validasi Metode Double Exponential Smoothing
43
Dari grafik 4.13. dapat dilihat bahwa nilai hasil peramalan dengan metode Double
Exponential Smoothing memang memlebihi nilai permintaan aktual, namun pola
data dari peramalan mengikuti permintaan aktual, jadi metode ini juga tepat dipilih
untuk meramalkan sampel Bi-Weekly.
Gambar 4.14. Validasi Metode Pola Siklis
Dari grafik gambar 4.14, dapat dilihat jika pola peramalan mengikuti pola
permintaan aktual, sehingga metode pola siklis ini tepat digunakan untuk
meramalkan permintaan sampel Product Qualification (PQ).
4.4.3. Analisis Perbandingan
Dari perhitungan menentukan metode peramalan, didapatkan masing-masing
metode yang tepat untuk meramalkan permintaan pengetesan logam berat.
Sehingga dapat dihitung peramalan untuk periode 2014 untuk masing-masing
sampel. Berikut hasil peramalan untuk periode 2014.
44
Tabel 4.17 Hasil Peramalan Periode 2014
t Bulan Forecast Demand (dt') (LER)
Incoming Bi-Weekly PQ 13 Jan-14 1484.28 271 42 14 Feb-14 1494.42 298 37 15 Mar-14 1499.70 318 28 16 Apr-14 1502.44 319 23 17 Mei-14 1503.86 320 28 18 Jun-14 1504.60 321 37 19 Jul-14 1504.99 322 42 20 Agust-14 1505.19 323 37 21 Sep-14 1505.29 324 28 22 Okt-14 1505.35 325 23 23 Nop-14 1505.38 326 28 24 Des-14 1505.39 327 37
Dari data di atas didapatkan jumlah permintaan pengetesan untuk masing-masing
jenis sampel selama 1 tahun. Sehingga dapat diketahui kebutuhan kapasitas untuk
tiap bulannya. Perhitungan kebutuhan kapasitas untuk tiap bulannya dihitung
dengan Jumlah LER (Laboratory Evaluation Requrst) x Solution rate.
Solution rate adalah faktor konfersi untuk masing-masing sampel menjadi LER.
Faktor konfersi tersebut adalah Incoming 1.8; Bi-Weekly 3.7; dan PQ 18. Contoh
perhitungan kebutuhan kapasitas untuk tiap bulan pad bulan Januari, yaitu untuk
sampel Incoming : 1484.28 x 1.8 solution = 2672 solution, sampel Bi-Weekly :
1004 x 3.7 solution = 1004 solution, dan PQ : 42 x 18 solution = 749 solution. Jadi
kebutuhan kapasitas untuk tiap bulannya adalah :
Tabel 4.18 Kebutuhan Kapasitas Tiap Bulan
T Bulan Forecast Demand (dt') (LER) Solution Per Bulan (Solution) Jumlah (LER) Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ
13 Jan-14 1484.28 271 42 2672 1004 749 4424 14 Feb-14 1494.42 298 37 2690 1103 663 4456 15 Mar-14 1499.70 318 28 2699 1177 497 4373 16 Apr-14 1502.44 319 23 2704 1181 416 4301 17 Mei-14 1503.86 320 28 2707 1185 501 4393 18 Jun-14 1504.60 321 37 2708 1188 668 4564
45
Tabel 4.18 Kebutuhan Kapasitas Tiap Bulan (Lanjutan)
t Bulan Forecast Demand (dt') (LER) Solution Per Bulan (Solution) Jumlah (LER) Incoming Bi-Weekly PQ Incoming Bi-Weekly PQ
19 Jul-14 1504.99 322 42 2709 1192 749 4649 20 Agust-14 1505.19 323 37 2709 1196 663 4568 21 Sep-14 1505.29 324 28 2710 1199 497 4405 22 Okt-14 1505.35 325 23 2710 1203 416 4328 23 Nop-14 1505.38 326 28 2710 1207 501 4417 24 Des-14 1505.39 327 37 2710 1210 668 4588
Berdasarkan perhitungan kapasitas operator yang telah dihitung di Laboratorium
Kimia didapatkan operator scraping mampu mengghasilkan 1 solution tiap satu
jam. Jadi dapat dihitung kapasitas scraper yang dimiliki dengan pola kerja saat ini
adalah : Hari Efektif Kerja x Jam Kerja Efektif x Jumlah scraper. Dalam hal ini
jumlah seluruh scraper saat ini adalah 19 orang dengan pembagian 13 orang untuk
analisis kandungan logam berat, dan 6 orang untuk analisis kandungan phthalate.
Berikut perbandingan kapasitas yang dibutuhkan dengan kapasitas yang tersedia
untuk tiap bulannya (dengan jam kerja normal tanpa over time) :
Tabel 4.19 Perbandingan Kapasitas Tiap Bulan
t Bulan Hari Kerja
Efektif
Solution Per Bulan Kapasitas Per
Bulan Incoming Bi-Weekly PQ Jumlah 13 Jan-14 24 2672 1004 749 4424 4368 14 Feb-14 24 2690 1103 663 4456 4368 15 Mar-14 21 2699 1177 497 4373 3822 16 Apr-14 25 2704 1181 416 4301 4550 17 Mei-14 23 2707 1185 501 4393 4186 18 Jun-14 25 2708 1188 668 4564 4550 19 Jul-14 22 2709 1192 749 4649 4004 20 Agust-14 25 2709 1196 663 4568 4550 21 Sep-14 26 2710 1199 497 4405 4732 22 Okt-14 27 2710 1203 416 4328 4914 23 Nop-14 25 2710 1207 501 4417 4550 24 Des-14 25 2710 1210 668 4588 4550
46
Dari tabel 4.19, dapat dilihat ada beberepa bulan dimana kapasitas yang dibutuhkan
lebih besar dari kapasitas yang tersedia. Yaitu pada bulan Januari dengan
kebutuhan kapasitas sebanyak 4424 solution sedang kapasitas tersedia 4368,
Februari dengan kebutuhan kapasitas 4456 solution kapasitas tersedia 4368
solution. Maret kebutuhan kapasitas 4373 solution, kapasitas tersedia 3822
solution. Mei kebutuhan kapasitas 4393 solution, kapasitas tersedia 4186 solution.
Juli dengan kebutuhan kapasitas 4649 solution dan kapasitas tersedia 4004
solution.Untuk itu harus diadakan perubahan pola kerja atau penambahan operator
pada bulan-bulan tersebut.
1. Penambahan Jam Kerja (Overtime)
Pola kerja saat ini adalah 2 shift 6 hari kerja 1 minggu, dengan jam kerja efektif 14
jam kerja. Untuk menambah kapasitas yang ada, jam kerja dapat ditambah dengan
melakukan overtime, yaitu maksimal 2 jam tiap harinya. Sehingga perbandingan
kapasitas menjadi :
Tabel 4.20 Perbandingan Kapasitas Setelah Penambahan Jam Kerja
T Bulan Hari Kerja
Efektif
Solution Per Bulan (LER) Kapasitas Per Bulan (LER) Incoming Bi-Weekly PQ Jumlah
13 Jan-14 24 2672 1004 749 4424 4992 14 Feb-14 24 2690 1103 663 4456 4992 15 Mar-14 21 2699 1177 497 4373 4368 17 Mei-14 23 2707 1185 501 4393 4784 19 Jul-14 22 2709 1192 749 4649 4576
Setelah dilakukan penambahan jam kerja, pada bulan Juli kapasitas yang dimiliki
masih kurang. Perhitungan biaya untuk alternatif berikut adalah:
Biaya overtime 2 jam : 2 x upah sejam
Upah lembur sejam : 1/173 x upah pokok sebulan
Upah lembur sejam : 1/173 x Rp 2814562,00 = Rp 16269,14
Sehingga upah lembur 2 jam untuk 13 orang : Rp 16269,14 x 2 x13 = Rp
422997,88
47
Jadi tambahan biaya jika menggunakan alternatif ini adalah Rp 422997,88 x jumlah
hari lembur (24 + 24 + 21 + 23 + 22 = 91) =Rp 38.492.796,00, atau sebesar 5.09%.
2. Perubahan Pola Kerja
Selain penambahan jam kerja (overtime), alternatif yang diusulkan adalah
perubahan pola kerja. Pola kerja yang diusulkan adalah 2 shift 5 hari kerja 1
minggu, dengan jam efektif kerja per harinya menjadi 18 jam pada bulan Januari,
Februari, Mei , Maret dan Juli. Sehingga perbandingan kapasitas nya menjadi :
Tabel 4.21 Perbandingan Kapasitas Setelah Perubahan Pola Kerja
T Bulan Hari Kerja
Efektif
Solution Per Bulan (Solution) Kapasitas Per Bulan (Solution) Incoming Bi-Weekly PQ Jumlah
13 Jan-14 24 2672 1004 749 4424 4680 14 Feb-14 24 2690 1103 663 4456 4680 15 Mar-14 21 2699 1177 497 4368 4641 17 Mei-14 23 2707 1185 501 4393 4446 19 Jul-14 24 2709 1192 749 4634 4914
Perbandingan biaya antara pola kerja saat ini dan pola kerja usulan adalah:
Upah kerja saat ini = (upah pokok per bulan + upah lembur) x jumlah scraper
= (Rp 2.814.562,00 + (71 x Rp 422.997,88) + (20 x 3 x Rp 422.997,88 )) x 13
= Rp 756.954.487,00
71 adalah jumlah hari kerja efektif dikurangi hari Sabtu yaitu 20 hari, karena
perhitungan lembur pada hari sabtu adalah 3 jam.
Pada pola kerja usulan, karena 1 minggu 5 hari kerja, maka tidak ada lembur untuk
hari Sabtu. Sehingga perhitungan upah kerja pola kerja usulan adalah :
Upah kerja pola usulan adalah : (Rp 2814562,00 + (91 x Rp 422997,88)) x 13
= Rp 427.016.235,9
Dengan alternatif ini, selain dapat menambah jumlah kapasitas, juga dapat
menghemat biaya tenaga kerja sebesar Rp 329.938.251,10 atau sebesar 43,59%.
48
3. Penambahan Jumlah Operator
Alternatif yang lain adalah dengan menambah jumlah operator pada bulan Januari,
Februari, Maret, Mei dan Juli. Berikut perbandingan kapasitas setelah dilakukan
penambahan 1 operator (scraper) pada bulan Januari, Februari dan Mei dan
penambahan 2 operator pada bulan Maret dan Juli.
Tabel 4.22 Perbandingan Kapasitas Setelah Penambahan Operator
T Bulan Hari Kerja
Efektif
Solution Per Bulan (LER) Kapasitas Per Bulan (LER) Incoming Bi-Weekly PQ Jumlah
13 Jan-14 24 2672 1004 749 4424 4704 14 Feb-14 24 2690 1103 663 4456 4704 15 Mar-14 21 2699 1177 497 4373 4410 17 Mei-14 23 2707 1185 501 4393 4508 19 Jul-14 22 2709 1192 749 4649 4620
Biaya tambahan yang dibutuhkan untk penambahan operator scraping adalah :
= (Biaya upah pokok per bulan + upah lembur) x tambahan scraper
= ((Rp 2814562,00 + (76 x Rp 422997.88) + (16 x 3 x Rp 422997,0)) + ((Rp
2814562,00 + (18 x Rp 422997.88) + (4 x 3 x Rp 422997,0)) = Rp 70.770.778,6
Tambahan biaya yang dibutuhkan adalah Rp 70.770.778,60 atau sebesar 9,35%.
Hasil dari beberapa alternatif yang diberikan dapat dirangkum dalam tabel berikut
ini:
Tabel 4.23. Perbandingan Alternatif
No Usulan Total Biaya Keterangan
1 Penambahan jam kerja (overtime) Rp 38.492.796,00 Membutuhkan tambahan biaya Rp
38.492.796,00 atau sebesar 5,09%
2 Perubahan pola kerja (shift) Rp 427.016.235,90
Dapat mengurangi biaya tenaga kerja sebanyak Rp 329.938.251,10 atau sebesar 43,59%
3 Penambahan operator scraping Rp 70.770.778,60
Membutuhkan tambahan biaya sebesar Rp 70.770.778,60 atau sebesar 9,35%
Dari tabel dapat dilihat bahwa alternatif yang pailng bagus adalah dengan
melakukan perubahan pola kerja.
49
BAB V
SIMPULAN DAN SARAN
4.5. Simpulan
Simpulan yang dapat diambil dari penelitian diatas adalah :
1. Metode peramalan yang tepat untuk permintaan pengetesan kandungan logam
berat di Laboratorium Kimia PT. XYZ unntuk masing-masing jenis sampel
adalah sampel Incoming menggunakan metode Double Exponential
Smoothing-Holt, sampel Bi-Weekly dengan Double Moving Average, dan
sampel Product Qualification (PQ) menggunakan Pola Siklis.
2. Pola kerja scraper saat ini tidak mampu memenuhi kebutuhan kapasitas
permintaan pengetesan pada bulan Januari, Februari, Maret, Mei dan Juli.
Alternatif yang dapat diambil antara lain penambahan jam kerja, perubahan
pola kerja pada bulan-bulan tersebut atau dilakukan penambahan operator.
Namun dari segi biaya, alternatif yang paling baik adalah perubahan pola
kerja.
4.6. Saran
Saran yang dapat penulis berikan untuk PT. XYZ atau penelitian selanjutnya antara
lain :
1. Perlu dilakukan proses peramalan setiap awal akhir periode untuk
merencanakan kebutuhan sumber daya pada periode berikutnya.
2. Perencanaan sumber daya pada penelitian ini hanya difokuskan pada
permintaan pengetesan kandungan logam berat, maka akan lebih baik jika
dilakukan penelitian perencanaan permintaan pengetesan untuk semua
kandungan bahan kimia.
50
3.
DAFTAR PUSTAKA
Biegel E, Jhon, (1992), Pengendalian Produksi, Akademika Pressindo.
Makridakis, Sypros, Alih Bahasa Ir. Untung, Sus Andriyanto M.sc.,(1971), Metode
dan aplikasi peramalan, Edisi Kedua, Erlangga, Jakarta.
Hartini, Sri, Teknik Mencapai Produksi optimal, Lubuk Agung, 2010,Bandung.
Vollmann, Thomas E.,Manufacturing Planning and Control for Supply Chain
Management Fifth edition, Mc Graw Hill, 2005.
Alda Raharja, dkk. Penerapan Metode Exponential Smoothing Untuk Peramalan
Penggunaan Waktu Telepon Di Pt.Telkomsel Divre3 Surabaya, 2014. Diambil
dari: http://blog.ub.ac.id/laylayoung/files/2013/10/sip1-2-ITS-Undergraduate-
14344-paperpdf.pdf
51
LAMPIRAN
1. Perhitungan Peramalan dan Ukuran Kesalahan Metode Weighted Moving Average
a. Sampel Incoming
Periode Waktu (t) Bulan Permintaan
(dt) Forecast
demand (dt') dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 1850 2 Feb-13 1619 - - - - 3 Mar-13 1610 - - - - 4 Apr-13 2149 - - - - 5 Mei-13 1969 1851,4 117,60 13829,76 5,97 5,97257 6 Jun-13 1903 1916,2 -13,20 174,24 -0,69 0,69364 7 Jul-13 2041 1942,7 98,30 9662,89 4,82 4,81627 8 Agust-13 1145 1996 -851,00 724201 -74,32 74,3231 9 Sep-13 1628 1647,8 -19,80 392,04 -1,22 1,21622
10 Okt-13 1380 1593,2 -213,20 45454,24 -15,45 15,4493 11 Nop-13 1139 1473,5 -334,50 111890,25 -29,37 29,3679 12 Des-13 1395 1309,7 85,30 7276,09 6,11 6,1147
Total -1130,50 912880,51 -104,15 137,954
MSE : 76073
SEE (f : 3) : 318.48
MAPE : 11.496
ME : -94,208
MAE : 94,208
b. Sampel Bi-Weekly
Periode Waktu (t) Bulan Permintaan
(dt)
Forecast demand
(dt') dt -dt' (dt-dt')2 PEt Abs
PEt
1 Jan-13 341 2 Feb-13 366 - - - - 3 Mar-13 410 - - - - 4 Apr-13 472 - - - - 5 May-13 474 419.1 54.90 3014.01 11.58 11.5823 6 Jun-13 457 449.8 7.20 51.84 1.58 1.57549 7 Jul-13 474 460.4 13.60 184.96 2.87 2.8692 8 Aug-13 361 468.7 -107.70 11599.29 -29.83 29.8338 9 Sep-13 357 425.4 -68.40 4678.56 -19.16 19.1597
10 Oct-13 339 391.6 -52.60 2766.76 -15.52 15.5162 11 Nov-13 290 362.3 -72.30 5227.29 -24.93 24.931 12 Dec-13 317 325.2 -8.20 67.24 -2.59 2.58675
Total -233.50 27589.95 -76 108.054 Hasil perhitungan tingkat kesalahan memtode peramalan WMA 4 :
MSE : 1149.6
SEE dengan f = 3 : 36.25
MAPE : 4.5%
ME : -9.73
MAE : 9.73
c. Sampel Product Qualification (PQ)
Periode Waktu (t) Bulan Permintaan
(dt)
Forecast demand
(dt') dt -dt' (dt-dt')2 PEt Abs
PEt
1 Jan-13 58 2 Feb-13 42 - - - - 3 Mar-13 25 - - - - 4 Apr-13 41 - - - - 5 May-13 30 38.1 -8.10 65.61 -27.00 27 6 Jun-13 38 33.5 4.50 20.25 11.84 11.8421 7 Jul-13 51 34.9 16.10 259.21 31.57 31.5686 8 Aug-13 13 41.9 -28.90 835.21 -222.31 222.308 9 Sep-13 28 31.1 -3.10 9.61 -11.07 11.0714
10 Oct-13 21 29.1 -8.10 65.61 -38.57 38.5714 11 Nov-13 17 24.5 -7.50 56.25 -44.12 44.1176 12 Dec-13 24 20 4.00 16 16.67 16.6667
Total -31.10 1327.75 -282.99 403.146 Hasil perhitungan tingkat kesalahan metode peramalan :
MSE : 86.47
SEE dengan f = 3 : 9.94
MAPE : 20.51%
ME : -1.60
MAE : 1.60
2. Perhitungan Peramalan dan Ukuran Kesalahan Metode Double Moving Average
a. Sampel Incoming
t dt St' St'' at bt dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 1850 - - - 2 1619 - - - - - - - 3 1610 1735 - - - - - - 4 2149 1615 - - - - - - 5 1969 1880 1674,50 2084,50 21,58 - - - - - 6 1903 2059 1747,00 2371,00 32,84 2106,08 -203,08 41241,06 -10,67 10,67 7 2041 1936 1969,25 1902,75 -3,50 2403,84 -362,84 131654,39 -17,78 17,78 8 1145 1972 1997,50 1946,50 -2,68 1899,25 -754,25 568893,06 -65,87 65,87 9 1628 1593 1954,00 1232,00 -38,00 1943,82 -315,82 99739,61 -19,40 19,40
10 1380 1387 1782,50 990,50 -41,68 1194,00 186,00 34596,00 13,48 13,48 11 1139 1504 1489,75 1518,25 1,50 948,82 190,18 36170,03 16,70 16,70 12 1395 1260 1445,25 1073,75 -19,55 1519,75 -124,75 15562,56 -8,94 8,94
1267 -1384,55 927856,72 -92,49 152,84 MSE : 38661
SEE dengan f = 3 : 210.2
MAPE : 6.37%
ME : -57.69
MAE : 57.69
b. Sampel Bi-Weekly
t Bulan dt St' St'' at bt dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-12 341 - - - 2 Feb-12 366 - - - - - - - 3 Mar-12 410 353.5 - - - - - - 4 Apr-12 472 388 - - - - - - 5 May-12 474 441 370.8 511.3 7.39 - - - - - 6 Jun-12 457 473 414.5 531.5 6.16 519 -61.64 3800.07 -13.49 13.489 7 Jul-12 474 465.5 457 474 0.89 538 -63.66 4052.33 -13.43 13.4299 8 Aug-12 361 465.5 469.3 461.8 -0.39 475 -113.89 12972 -31.55 31.5498 9 Sep-12 357 417.5 465.5 369.5 -5.05 461 -104.36 10890 -29.23 29.2312
10 Oct-12 339 359 441.5 276.5 -8.68 364 -25.45 647.569 -7.51 7.5066 11 Nov-12 290 348 388.3 307.8 -4.24 268 22.18 492.139 7.65 7.64973 12 Dec-12 317 314.5 353.5 275.5 -4.11 304 13.49 181.895 4.25 4.25452
Total -333.33 33036 -83.30 107.111 Berikut hasil perhitungan tingkat kesalahan metode peramalan :
MSE : 1476.5
SEE dengan f = 3 : 39.66
MAPE : 4.46%
ME : -13.89
MAE : 13.89
c. Sampel Product Qualification (PQ)
t Bulan dt St' St" at bt dt' dt -dt' (dt-dt')2 PEt Abs Pet
1 Jan-12 58 - - - 2 Feb-12 42 - - - - - - - 3 Mar-12 25 50 - - - - - - 4 Apr-12 41 33.5 - - - - - - 5 May-12 30 33 41.75 24.25 -0.92 - - - - - 6 Jun-12 38 35.5 33.25 37.75 0.24 23 14.67 215.24 38.61 38.61 7 Jul-12 51 34 34.25 33.75 -0.03 38 13.01 169.342 25.52 25.52 8 Aug-12 13 44.5 34.75 54.25 1.03 34 -20.72 429.471 -159.41 159.41 9 Sep-12 28 32 39.25 24.75 -0.76 55 -27.28 743.997 -97.42 97.42
10 Oct-12 21 20.5 38.25 2.75 -1.87 24 -2.99 8.92123 -14.22 14.22 11 Nov-12 17 24.5 26.25 22.75 -0.18 1 16.12 259.803 94.81 94.81 12 Dec-12 24 19 22.5 15.5 -0.37 23 1.43 2.05696 5.98 5.98
Total 326.5 -5.75 1828.83 -106.14 435.97 Berikut hasil perhitungan tingkat kesalahan metode peramalan :
MSE : 76.20
SEE dengan f = 3 : 9.33
MAPE : 18.17%
ME : -0.24
MAE : 0.24
3. Perhitungan Peramalan dan Ukuran Kesalahan Metode Single Exponential Smoothing
a. Sampel Incoming
Periode Waktu (t) Bulan Permintaan
(dt) Forecast Demant
(α =0.2) dt -dt' (dt-dt')2 PEt Abs Pet
1 Jan-13 1850 1850 0 0,00 0,00 0,00 2 Feb-13 1619 1804 -185 34151,04 -11,41 11,41 3 Mar-13 1610 1765 -155 24037,40 -9,63 9,63 4 Apr-13 2149 1842 307 94352,18 14,29 14,29 5 Mei-13 1969 1867 102 10349,89 5,17 5,17 6 Jun-13 1903 1874 29 817,25 1,50 1,50 7 Jul-13 2041 1908 133 17760,90 6,53 6,53 8 Agust-13 1145 1755 -610 372324,50 -53,29 53,29 9 Sep-13 1628 1730 -102 10352,49 -6,25 6,25
10 Okt-13 1380 1660 -280 78286,78 -20,28 20,28 11 Nop-13 1139 1556 -417 173587,39 -36,58 36,58 12 Des-13 1395 1524 -129 16514,96 -9,21 9,21
Total
-1306 832534,78 -119,16 174,14
MSE : 34689
SEE dengan f = 3 : 199.11
MAPE : 7.26%
ME : -54.42
MAE : 54.2
b. Sampel Bi-Weekly
Periode Waktu (t) Bulan Permintaan
(dt)
Forecast Demant (α
=0.2) dt -dt' (dt-dt')2 PEt Abs
PEt
1 Jan-13 341 341 0.00 0.00 0.00 0.00 2 Feb-13 366 346 20.00 400.00 5.46 5.46 3 Mar-13 410 359 51.20 2621.44 12.49 12.49 4 Apr-13 472 381 90.56 8201.11 19.19 19.19 5 May-13 474 400 74.05 5483.11 15.62 15.62 6 Jun-13 457 411 45.64 2082.86 9.99 9.99 7 Jul-13 474 424 50.11 2511.08 10.57 10.57 8 Aug-13 361 411 -50.31 2531.24 -13.94 13.94 9 Sep-13 357 400 -43.45 1887.83 -12.17 12.17
10 Oct-13 339 388 -49.16 2416.64 -14.50 14.50 11 Nov-13 290 369 -78.53 6166.56 -27.08 27.08 12 Dec-13 317 358 -41.22 1699.25 -13.00 13.00
Total
68.89 36001.12 -7.37 154.01
MSE : 1500
SEE dengan f = 3 : 41.41
MAPE : 6.42%
ME : 2.87
MAE : 2.87
c. Sampel Product Qualification (PQ)
t Bulan dt dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 58 58 0 0 0 0 2 Feb-13 42 55 -13 163.84 -30.48 30.48 3 Mar-13 25 49 -24 568.35 -95.36 95.36 4 Apr-13 41 47 -6 39.34 -15.30 15.30 5 May-13 30 44 -14 190.93 -46.06 46.06 6 Jun-13 38 43 -5 21.66 -12.25 12.25 7 Jul-13 51 44 7 44.58 13.09 13.09 8 Aug-13 13 38 -25 627.93 -192.76 192.76 9 Sep-13 28 36 -8 64.75 -28.74 28.74
10 Oct-13 21 33 -12 144.90 -57.32 57.32 11 Nov-13 17 30 -13 164.61 -75.47 75.47 12 Dec-13 24 29 -5 21.75 -19.43 19.43
Total
-117.34 2052.64 -560.07 586.25
Berikut hasil perhitungan tingkat kesalahan metode peramalan :
MSE : 85.53
SEE dengan f = 3 : 9.89
MAPE : 24.43%
ME : -4.89
MAE : 4.89
4. Perhitungan Peramalan dan Ukuran Kesalahan Metode Double Exponential Smoothing- Brown
a. Sampel Incoming
t Bulan dt St' (α = 0.2) St''(α = 0.2) at bt dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 1850 1850 1850 - - - - 2 Feb-13 1619 1804 1841 1766.84 -185 - - - - 3 Mar-13 1610 1765 1826 1704.464 -155 1582 28 781.76 1.74 1.74 4 Apr-13 2149 1842 1829 1854.8048 307 1549 600 359491.38 27.90 27.90 5 May-13 1969 1867 1837 1897.99072 102 2162 -193 37238.50 -9.80 9.80 6 Jun-13 1903 1874 1844 1904.71008 29 2000 -97 9355.75 -5.08 5.08 7 Jul-13 2041 1908 1857 1958.62207 133 1933 108 11599.81 5.28 5.28 8 Aug-13 1145 1755 1837 1673.86086 -610 2092 -947 896604.62 -82.70 82.70 9 Sep-13 1628 1730 1815 1644.33925 -102 1064 564 318460.60 34.66 34.66
10 Oct-13 1380 1660 1784 1535.51185 -280 1543 -163 26436.18 -11.78 11.78 11 Nov-13 1139 1556 1738 1372.88184 -417 1256 -117 13622.18 -10.25 10.25 12 Dec-13 1395 1524 1695 1351.60336 -129 956 439 192507.15 31.45 31.45
222.42 1866097.9 -18.58 220.64
MSE : 85.53
SEE dengan f = 3 : 9.89
MAPE : 24.43%
ME : -4.89
MAE : 4.89
b. Sampel Bi-Weekly
Periode Waktu (t) Bulan dt St'(α = 0.2) St'' (α = 0.2) at bt dt' dt -dt' (dt-dt')2 PEt Abs
PEt 1 Jan-13 341 341 341 - - - - 2 Feb-13 366 346 342 350 20 - - - - 3 Mar-13 410 359 345 372.24 51 370 40 1600 9.76 9.76 4 Apr-13 472 381 353 410.304 91 423 49 2358.07 10.29 10.29 5 May-13 474 400 362 437.853 74 501 -27 721.674 -5.67 5.67 6 Jun-13 457 411 372 450.81 46 512 -55 3014.1 -12.01 12.01 7 Jul-13 474 424 382 465.47 50 496 -22 503.927 -4.74 4.74 8 Aug-13 361 411 388 434.514 -50 516 -155 23895.2 -42.82 42.82 9 Sep-13 357 400 391 410.321 -43 384 -27 739.968 -7.62 7.62
10 Oct-13 339 388 390 386.225 -49 367 -28 776.852 -8.22 8.22 11 Nov-13 290 369 386 351.275 -79 337 -47 2215.19 -16.23 16.23 12 Dec-13 317 358 380 336.175 -41 273 44 1958.32 13.96 13.96
-228.12 37783.3 -63.30 131.31
Berikut hasil perhitungan tingkat kesalahan metode :
MSE : 1574.3
SSE dengan f=3 : 42.42
MAPE : 5.47%
ME : -9.51
MAE : 9.51
c. Sampel Product Qualification (PQ)
t Bulan dt Forecast Demand (St') (α = 0.2)
Forecast Demand (St',) (α = 0.2) at bt Forecast
Demand dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 58 58 58 - - - - 2 Feb-13 42 55 57 52.24 -13 - - - - 3 Mar-13 25 49 56 42.024 -24 39 -14 208.51 -57.76 57.76 4 Apr-13 41 47 54 40.5648 -6 18 23 520.57 55.65 55.65 5 May-13 30 44 52 35.6883 -14 34 -4 18.43 -14.31 14.31 6 Jun-13 38 43 50 35.2198 -5 22 16 260.15 42.45 42.45 7 Jul-13 51 44 49 39.7112 7 31 20 417.56 40.07 40.07 8 Aug-13 13 38 47 29.3573 -25 46 -33 1114.76 -256.83 256.83 9 Sep-13 28 36 45 27.4764 -8 4 24 561.75 84.65 84.65
10 Oct-13 21 33 42 23.7736 -12 19 2 2.47 7.48 7.48 11 Nov-13 17 30 40 19.8529 -13 12 5 27.71 30.96 30.96 12 Dec-13 24 29 38 19.7495 -5 7 17 288.22 70.74 70.74
54.77 3420.13 3.09 660.89
Berikut hasil perhitungan tingkat kesalahan metode :
MSE : 142.51
SSE dengan f=3 : 12.76
MAPE : 27.54%
ME : 2.28
MAE : 2.28
5. Perhitungan Peramalan dan Ukuran Kesalahan Metode Double Exponential Smoothing - Holt
a. Sampel Incoming
t Bulan dt Pemulusan St Trend St dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 1850 1850.00 154.00 2004.00 -154 23716.00 -8.32 8.32 2 Feb-13 1619 1680.60 56.98 1737.58 -119 14061.22 -7.32 7.32 3 Mar-13 1610 1620.90 21.97 1642.87 -33 1080.49 -2.04 2.04 4 Apr-13 2149 1708.94 41.79 1750.73 398 158617.71 18.53 18.53 5 May-13 1969 1727.51 34.83 1762.34 207 42707.05 10.50 10.50 6 Jun-13 1903 1734.75 26.55 1761.30 142 20079.38 7.45 7.45 7 Jul-13 2041 1774.76 30.59 1805.35 236 55532.80 11.55 11.55 8 Aug-13 1145 1624.34 23.71 1648.05 -503 253059.38 -43.93 43.93 9 Sep-13 1628 1606.10 11.13 1617.23 11 116.10 0.66 0.66
10 Oct-13 1380 1551.97 -8.45 1543.53 -164 26741.28 -11.85 11.85 11 Nov-13 1139 1476.14 -28.66 1447.47 -308 95155.44 -27.08 27.08 12 Dec-13 1395 1482.84 -18.05 1464.79 -70 4870.20 -5.00 5.00
-357 695737.03 -56.88 154.24
MSE : 280001
SSE dengan f = 3 : 178.89
MAPE : 6.08
ME : -8.47
MAE : 8.447
b. Sampel Bi-Weekly
t Bulan dt Pemulusan St Trend St dt' dt -dt' (dt-dt')2 PEt Abs
PEt 1 Jan-13 341 341 44 385 -44 1892.25 -12.76 12.76 2 Feb-13 366 311 22 333 33 1108.22 9.10 9.10 3 Mar-13 410 314 16 330 80 6468.24 19.62 19.62 4 Apr-13 472 333 17 350 122 15002.14 25.95 25.95 5 May-13 474 348 16 364 110 12151.25 23.26 23.26 6 Jun-13 457 357 14 371 86 7478.55 18.92 18.92 7 Jul-13 474 369 13 382 92 8410.46 19.35 19.35 8 Aug-13 361 356 6 362 -1 1.39 -0.33 0.33 9 Sep-13 357 352 3 355 2 5.60 0.66 0.66
10 Oct-13 339 347 0 348 -9 75.36 -2.56 2.56 11 Nov-13 290 335 -3 332 -42 1780.45 -14.55 14.55 12 Dec-13 317 334 -3 332 -15 216.92 -4.65 4.65
460 52698.58 94.77 138.93
MSE : 2195.8
SSE dengan f = 3 : 50.09
MAPE : 5.79
ME : 19.18
MAE : 19.18
c. Sampel Product Qualification (PQ)
t Bulan dt St Trend St dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 58 58 0 58 0 0 0 0 2 Feb-13 42 55 -1 54 -12 140.186 -28.19 28.1905 3 Mar-13 25 50 -2 47 -22 500.793 -89.514 89.5136 4 Apr-13 41 50 -2 48 -7 50.8082 -17.385 17.3853 5 May-13 30 47 -2 45 -15 227.412 -50.267 50.2672 6 Jun-13 38 47 -1 45 -7 52.9993 -19.158 19.1581 7 Jul-13 51 49 0 49 2 3.74612 3.79508 3.79508 8 Aug-13 13 41 2 43 -30 911.53 -232.24 232.243 9 Sep-13 28 37 0 37 -9 83.2297 -32.582 32.5823
10 Oct-13 21 34 -1 33 -12 139.564 -56.256 56.2558 11 Nov-13 17 31 -1 30 -13 160.933 -74.623 74.6231 12 Dec-13 24 31 -1 30 -6 32.992 -23.933 23.9328
-131 2304.19 -620.36 627.946
MSE : 96.01
SSE dengan f = 3 : 10.48
MAPE : 26.16
ME : -5.47
MAE : 5.47
6. Perhitungan Peramalan dan Ukuran Kesalahan Metode Pola Siklis
a. Sampel Incoming
MSE : 50429.71
SEE dengan f = 3 : 240.07
MAPE : 8.35
ME : -6.71
MAE : 6.71
1 Jan-13 1850 60 0.87 0.75 0.50 0.25 0.43 1602.1 925 1652.33 68.83 2.60 1689 161 25921.00 8.70 8.702 Feb-13 1619 120 0.87 0.75 -0.50 0.25 -0.43 1402.054 -809.5 1652.33 68.83 2.60 1620 -1 1.36 -0.07 0.073 Mar-13 1610 180 0.00 0.00 -1.00 1.00 0.00 0 -1610 1652.33 68.83 2.60 1584 27 702.25 1.65 1.654 Apr-13 2149 240 -0.87 0.75 -0.50 0.25 0.43 -1861.034 -1074.5 1652.33 68.83 2.60 1616 533 284444.44 24.82 24.825 May-13 1969 300 -0.87 0.75 0.50 0.25 -0.43 -1705.154 984.5 1652.33 68.83 2.60 1685 285 80940.25 14.45 14.456 Jun-13 1903 360 0.00 0.00 1.00 1.00 0.00 0 1903 1652.33 68.83 2.60 1721 182 33063.36 9.56 9.567 Jul-13 2041 420 0.87 0.75 0.50 0.25 0.43 1767.506 1020.5 1652.33 68.83 2.60 1689 352 123904.00 17.25 17.258 Aug-13 1145 480 0.87 0.75 -0.50 0.25 -0.43 991.57 -572.5 1652.33 68.83 2.60 1620 -475 225783.36 -41.50 41.509 Sep-13 1628 540 0.00 0.00 -1.00 1.00 0.00 0 -1628 1652.33 68.83 2.60 1584 45 1980.25 2.73 2.73
10 Oct-13 1380 600 -0.87 0.75 -0.50 0.25 0.43 -1195.08 -690 1652.33 68.83 2.60 1616 -236 55538.78 -17.08 17.0811 Nov-13 1139 660 -0.87 0.75 0.50 0.25 -0.43 -986.374 569.5 1652.33 68.83 2.60 1685 -546 297570.25 -47.89 47.8912 Dec-13 1395 720 0 0 1 1 0 0 1395 1652.33 68.83 2.60 1721 -326 106384.69 -23.38 23.38
19828 4680 0 6 0 6 0 15.588 413 -161 1210313.00 -59.48 200.37Jumlah
dt -dt' (dt-dt')2 PEt Abs PEtsin (60t)
60t cbacos (60t)
sin2
(60t)dt'dt.cos(60t)dt.sin(60t)sin(60).c
os(60t)cos2
(60t)t Bulan dt
b. Sampel Bi-Weekly
t Bulan dt 60t sin (60t)
sin2
(60t) cos
(60t) cos2
(60t) sin(60).cos(60t)
dt.sin (60t)
dt.cos (60t) a b c dt' dt -dt' (dt-dt')2 PEt Abs PEt
1 Jan-13 341 60 0.87 0.75 0.5 0.25 0.43 295.31 170.5 388 4.58 -4.76 386 -45 2055.11 -13.29 13.29 2 Feb-13 366 120 0.87 0.75 -0.5 0.25 -0.43 316.96 -183 388 4.58 -4.76 382 -16 248.06 -4.30 4.30 3 Mar-13 410 180 0 0 -1 1 0 0 -410 388 4.58 -4.76 384 26 697.84 6.44 6.44 4 Apr-13 472 240 -0.9 0.75 -0.5 0.25 0.43 -408.8 -236 388 4.58 -4.76 390 82 6724.00 17.37 17.37 5 May-13 474 300 -0.9 0.75 0.5 0.25 -0.43 -410.5 237 388 4.58 -4.76 395 79 6307.01 16.75 16.75 6 Jun-13 457 360 0 0 1 1 0 0 457 388 4.58 -4.76 393 64 4128.06 14.06 14.06 7 Jul-13 474 420 0.87 0.75 0.5 0.25 0.43 410.48 237 388 4.58 -4.76 386 88 7685.44 18.50 18.50 8 Aug-13 361 480 0.87 0.75 -0.5 0.25 -0.43 312.63 -180.5 388 4.58 -4.76 382 -21 430.56 -5.75 5.75 9 Sep-13 357 540 0 0 -1 1 0 0 -357 388 4.58 -4.76 384 -27 706.67 -7.45 7.45
10 Oct-13 339 600 -0.9 0.75 -0.5 0.25 0.43 -293.6 -169.5 388 4.58 -4.76 390 -51 2601.00 -15.04 15.04 11 Nov-13 290 660 -0.9 0.75 0.5 0.25 -0.43 -251.1 145 388 4.58 -4.76 395 -105 10937.67 -36.06 36.06 12 Dec-13 317 720 0 0 1 1 0 0 317 388 4.58 -4.76 393 -76 5738.06 -23.90 23.90
Jumlah 4658 4680 0 6.000 0 6 0 -28.58 27.5
45 46204.39 -
19.376 165.626
MSE : 1925.2
SEE dengan f = 3 : 46.91
MAPE : 6.90%
ME : 1.89
MAE : 1.89
c. Sampel Product Qualification (PQ)
t dt 60t sin (60t)
sin2
(60t) cos
(60t) cos2
(60t) sin(60).ccos(60t)
dt.sin (60t)
dt.cos (60t) a b c dt' dt -
dt' (dt-dt')2 PEt Abs PEt
1 58 60 0.87 0.75 0.50 0.25 0.43 50.23 29.00 32.33 4.75 7.94 42 16 269.51 28.30 28.30 2 42 120 0.87 0.75 -0.50 0.25 -0.43 36.37 -21.00 32.33 4.75 7.94 37 5 26.69 12.30 12.30 3 25 180 0.00 0.00 -1.00 1.00 0.00 0.00 -25.00 32.33 4.75 7.94 28 -3 6.67 -10.33 10.33 4 41 240 -0.87 0.75 -0.50 0.25 0.43 -35.51 -20.50 32.33 4.75 7.94 23 18 321.01 43.70 43.70 5 30 300 -0.87 0.75 0.50 0.25 -0.43 -25.98 15.00 32.33 4.75 7.94 28 2 4.69 7.22 7.22 6 38 360 0.00 0.00 1.00 1.00 0.00 0.00 38.00 32.33 4.75 7.94 37 1 0.84 2.41 2.41 7 51 420 0.87 0.75 0.50 0.25 0.43 44.17 25.50 32.33 4.75 7.94 42 9 88.67 18.46 18.46 8 13 480 0.87 0.75 -0.50 0.25 -0.43 11.26 -6.50 32.33 4.75 7.94 37 -24 568.03 -183.33 183.33 9 28 540 0.00 0.00 -1.00 1.00 0.00 0.00 -28.00 32.33 4.75 7.94 28 0 0.17 1.49 1.49
10 21 600 -0.87 0.75 -0.50 0.25 0.43 -18.19 -10.50 32.33 4.75 7.94 23 -2 4.34 -9.92 9.92 11 17 660 -0.87 0.75 0.50 0.25 -0.43 -14.72 8.50 32.33 4.75 7.94 28 -11 117.36 -63.73 63.73 12 24 720 0.00 0.00 1.00 1.00 0.00 0.00 24.00 32.33 4.75 7.94 37 -13 171.17 -54.51 54.51
Jumlah 388 4680 0 6.000 0 6 0 47.63 28.5
-16 1309.66 -236.24 407.41
MSE : 54.57
SEE dengan f = 3 : 7.90
MAPE : 16.98%
ME : -0.68
MAE : 0.68
Kapasitas Operator Scraping
Batch
Schedulling
Scrapper
Actual Scrapp
er
% Recove
ry % Bias
Schedulling
Solution
Actual Solution
% Recove
ry % Bias
1311001 2 4 200% 100% 7 7 100% 0% 1.75 1311002 9 6 67% 33% 13 14 108% 8% 2.33 1311003 6 5 83% 17% 5 6 120% 20% 1.20 1311004 6 6 100% 0% 7 8 114% 14% 1.33 1311005 7 8 114% 14% 13 14 108% 8% 1.75 1311006 9 5 56% 44% 11 18 164% 64% 3.60 1311007 5 5 100% 0% 6 6 100% 0% 1.20 1311008 6 3 50% 50% 8 10 125% 25% 3.33 1311009 10 10 100% 0% 14 13 93% 7% 1.30 1311010 8 8 100% 0% 25 24 96% 4% 3.00 1311011 8 6 75% 25% 12 16 133% 33% 2.67 1311012 7 6 86% 14% 16 15 94% 6% 2.50 1311013 6 6 100% 0% 9 12 133% 33% 2.00 1311014 3 3 100% 0% 11 10 91% 9% 3.33 1311015 3 3 100% 0% 12 12 100% 0% 4.00 1311016 1 1 100% 0% 4 5 125% 25% 5.00 1311017 1 1 100% 0% 3 4 133% 33% 4.00 1311018 1 1 100% 0% 1 2 200% 100% 2.00 1311019 1 1 100% 0% 10 10 100% 0% 10.00 1311020 9 9 100% 0% 15 14 93% 7% 1.56 1311021 14 10 71% 29% 13 13 100% 0% 1.30 1311022 13 12 92% 8% 14 19 136% 36% 1.58 1311023 14 12 86% 14% 8 8 100% 0% 0.67 1311024 24 12 50% 50% 17 21 124% 24% 1.75 1311025 16 13 81% 19% 18 13 72% 28% 1.00 1311026 21 18 86% 14% 26 25 96% 4% 1.39 1311027 7 7 100% 0% 6 6 100% 0% 0.86 1311028 7 7 100% 0% 4 5 125% 25% 0.71 1311029 15 15 100% 0% 10 13 130% 30% 0.87 1311030 15 16 107% 7% 12 14 117% 17% 0.88 1311031 9 9 100% 0% 9 10 111% 11% 1.11 1311032 9 12 133% 33% 22 15 68% 32% 1.25 1311033 7 12 171% 71% 9 9 100% 0% 0.75 1311034 10 14 140% 40% 17 20 118% 18% 1.43
1311035 1 1 100% 0% 3 2 67% 33% 2.00 1311036 10 15 150% 50% 21 21 100% 0% 1.40 1311037 19 15 79% 21% 22 23 105% 5% 1.53 1311038 6 7 117% 17% 8 11 138% 38% 1.57 1311039 3 3 100% 0% 7 7 100% 0% 2.33 1311040 20 14 70% 30% 17 17 100% 0% 1.21 1311041 25 14 56% 44% 18 20 111% 11% 1.43 1311042 16 14 88% 13% 18 22 122% 22% 1.57 1311043 4 6 150% 50% 7 8 114% 14% 1.33 1311044 9 12 133% 33% 7 12 171% 71% 1.00 1311045 9 12 133% 33% 13 13 100% 0% 1.08 1311046 11 11 100% 0% 11 12 109% 9% 1.09 1311047 6 6 100% 0% 12 12 100% 0% 2.00 1311048 10 14 140% 40% 24 25 104% 4% 1.79 1311049 12 12 100% 0% 13 12 92% 8% 1.00 1311050 18 14 78% 22% 22 22 100% 0% 1.57 1311051 3 3 100% 0% 2 2 100% 0% 0.67 1311052 6 8 133% 33% 16 17 106% 6% 2.13 1311053 1 1 100% 0% 1 1 100% 0% 1.00 1311054 2 2 100% 0% 6 6 100% 0% 3.00 1311055 1 1 100% 0% 2 2 100% 0% 2.00 1311056 16 14 88% 13% 8 10 125% 25% 0.71 1311057 18 17 94% 6% 11 13 118% 18% 0.76 1311058 19 17 89% 11% 17 21 124% 24% 1.24 1311059 8 8 100% 0% 12 13 108% 8% 1.63 1311060 11 11 100% 0% 19 20 105% 5% 1.82 1311061 11 12 109% 9% 12 15 125% 25% 1.25 1311062 4 5 125% 25% 5 4 80% 20% 0.80 1311063 21 15 71% 29% 19 23 121% 21% 1.53 1311064 17 15 88% 12% 17 22 129% 29% 1.47 1311065 16 9 56% 44% 12 15 125% 25% 1.67 1311066 9 10 111% 11% 8 10 125% 25% 1.00 1311067 10 10 100% 0% 8 10 125% 25% 1.00 1311068 12 11 92% 8% 12 15 125% 25% 1.36 1311069 8 9 113% 13% 6 7 117% 17% 0.78 1311070 23 26 113% 13% 14 16 114% 14% 0.62 1311071 15 13 87% 18% 19 19 100% 0% 1.46 1311072 10 10 100% 0% 20 21 105% 5% 2.10 1311073 3 3 100% 0% 4 4 100% 0% 1.33 1311074 20 18 90% 10% 29 28 97% 3% 1.56 1311075 12 10 83% 17% 19 18 95% 5% 1.80
1311076 20 18 90% 10% 27 27 100% 0% 1.50 1311077 1 1 100% 0% 1 1 100% 0% 1.00 1311078 1 1 100% 0% 4 4 100% 0% 4.00 1311079 1 2 200% 100% 14 11 79% 21% 5.50 1311080 7 7 100% 0% 25 20 80% 20% 2.86 1311081 14 9 64% 36% 37 37 100% 0% 4.11 1311082 16 9 56% 44% 32 27 84% 16% 3.00 1311083 21 18 86% 14% 29 30 103% 3% 1.67 1311084 14 10 71% 29% 28 27 96% 4% 2.70 1311085 12 10 83% 17% 15 16 107% 7% 1.60 1311086 11 11 100% 0% 21 26 124% 24% 2.36 1311087 5 5 100% 0% 15 16 107% 7% 3.20 1311088 13 15 115% 15% 24 27 113% 13% 1.80 1311089 20 15 75% 25% 25 27 108% 8% 1.80 1311090 17 15 88% 12% 28 26 93% 7% 1.73 1311091 19 13 68% 32% 28 27 96% 4% 2.08 1311092 19 10 53% 47% 28 27 96% 4% 2.70 1311093 5 10 200% 100% 26 27 104% 4% 2.70 1311094 7 11 157% 57% 19 20 105% 5% 1.82 1311095 2 2 100% 0% 8 8 100% 0% 4.00 1311096 1 1 100% 0% 1 1 100% 0% 1.00 1311097 1 1 100% 0% 3 3 100% 0% 3.00 1311098 6 13 217% 117% 10 10 100% 0% 0.77 1311099 4 5 125% 25% 3 3 100% 0% 0.60 1311100 13 13 100% 0% 10 13 130% 30% 1.00 1311101 14 14 100% 0% 10 14 140% 40% 1.00 1311102 19 10 53% 47% 12 10 83% 17% 1.00 1311103 25 15 60% 40% 17 24 141% 41% 1.60 1311104 17 12 71% 29% 20 16 80% 20% 1.33 1311105 21 15 71% 29% 25 24 96% 4% 1.60 1311106 4 4 100% 0% 10 10 100% 0% 2.50 1311107 4 5 125% 25% 2 3 150% 50% 0.60 1311108 6 6 100% 0% 5 6 120% 20% 1.00 1311109 11 11 100% 0% 14 15 107% 7% 1.36 1311110 12 12 100% 0% 25 26 104% 4% 2.17 1311111 16 12 75% 25% 22 26 118% 18% 2.17 1311112 20 15 75% 25% 22 26 118% 18% 1.73 1311113 6 9 150% 50% 9 13 144% 44% 1.44 1311114 1 1 100% 0% 1 1 100% 0% 1.00 1311115 2 3 150% 50% 5 4 80% 20% 1.33 1311116 6 7 117% 17% 7 8 114% 14% 1.14
1311117 8 7 88% 13% 13 13 100% 0% 1.86 1311118 7 7 100% 0% 10 10 100% 0% 1.43 1311119 10 9 90% 10% 28 27 96% 4% 3.00 1311120 6 7 117% 17% 12 11 92% 8% 1.57 1311121 13 12 92% 8% 21 22 105% 5% 1.83 1311122 15 12 80% 20% 23 26 113% 13% 2.17 1311123 9 12 133% 33% 15 13 87% 13% 1.08 1311124 9 8 89% 11% 24 25 104% 4% 3.13 1311125 12 10 83% 17% 19 19 100% 0% 1.90 1311126 12 12 100% 0% 13 17 131% 31% 1.42 1311127 11 11 100% 0% 13 13 100% 0% 1.18 1311128 24 15 63% 38% 20 21 105% 5% 1.40 1311129 16 11 69% 31% 18 19 106% 6% 1.73 1311130 24 12 50% 50% 18 13 72% 28% 1.08 1311131 1 1 100% 0% 2 2 100% 0% 2.00 1311132 2 2 100% 0% 8 8 100% 0% 4.00 1311133 3 4 133% 33% 8 9 113% 13% 2.25 1311134 3 4 133% 33% 8 9 113% 13% 2.25 1311135 9 9 100% 0% 13 12 92% 8% 1.33 1311136 14 14 100% 0% 29 28 97% 3% 2.00 1311137 18 18 100% 0% 29 27 93% 7% 1.50 1311138 8 7 88% 13% 15 15 100% 0% 2.14 1311139 6 8 133% 33% 7 9 129% 29% 1.13 1311140 11 8 73% 27% 17 19 112% 12% 2.38 1311141 1 1 100% 0% 4 6 150% 50% 6.00 1311142 1 1 100% 0% 8 8 100% 0% 8.00 1311143 1 1 100% 0% 5 5 100% 0% 5.00 1311144 1 1 100% 0% 4 4 100% 0% 4.00 1311145 1 1 100% 0% 3 3 100% 0% 3.00 1311146 2 2 100% 0% 2 3 150% 50% 1.50 1311153 25 15 60% 40% 19 22 116% 16% 1.47 1311154 21 13 62% 38% 12 14 117% 17% 1.08 1311155 3 3 100% 0% 2 2 100% 0% 0.67 1311156 3 3 100% 0% 3 3 100% 0% 1.00 1311157 17 17 100% 0% 11 11 100% 0% 0.65 1311158 12 12 100% 0% 7 11 157% 57% 0.92 1311159 13 13 100% 0% 16 18 113% 13% 1.38 1311160 11 12 109% 9% 20 20 100% 0% 1.67 1311161 9 13 144% 44% 18 19 106% 6% 1.46 1311162 2 5 250% 150% 10 8 80% 20% 1.60 1311166 12 11 92% 8% 23 27 117% 17% 2.45
1311167 15 12 80% 20% 20 27 135% 35% 2.25 1311168 9 9 100% 0% 14 16 114% 14% 1.78 1311169 11 9 82% 18% 20 21 105% 5% 2.33 1311170 4 5 125% 25% 6 7 117% 17% 1.40 1311171 12 12 100% 0% 12 12 100% 0% 1.00 1311173 6 6 100% 0% 8 8 100% 0% 1.33 1311174 3 3 100% 0% 8 8 100% 0% 2.67 1311175 3 4 133% 33% 14 15 107% 7% 3.75 1311176 3 4 133% 33% 9 15 167% 67% 3.75 1311177 12 9 75% 25% 18 23 128% 28% 2.56 1311178 2 4 200% 100% 10 12 120% 20% 3.00 1311179 7 4 57% 43% 13 10 77% 23% 2.50 1311180 13 15 115% 15% 31 35 113% 13% 2.33 1311181 16 16 100% 0% 24 24 100% 0% 1.50 1311185 11 11 100% 0% 38 39 103% 3% 3.55 1311186 15 10 67% 33% 29 33 114% 14% 3.30 1311187 8 9 113% 13% 30 27 90% 10% 3.00 1311188 16 12 75% 25% 21 27 129% 29% 2.25 1311190 3 3 100% 0% 3 3 100% 0% 1.00 1311191 5 5 100% 0% 4 4 100% 0% 0.80 1311192 4 4 100% 0% 4 4 100% 0% 1.00 1311193 1 1 100% 0% 2 2 100% 0% 2.00
101% 18%
109% 13%
1.9559
= 2 solution/2jam
Incoming
Month LER Total Solution Surface Coating Non Surface Coating Part Solution
Rate Soluble
K1 K2 K3 K1 K2 K3 Jan 987 1202 105 75 165 280 242 335 2476 1.22 1170 Feb 812 1130 135 81 112 370 187 245 2069 1.39 867
March 821 1155 143 63 121 359 181 288 2160 1.41 880 April 1192 1390 179 81 146 399 200 385 2664 1.17 1242 May 1056 1468 294 65 113 502 183 311 2548 1.39 1258
RMS
Month LER Total Solution K1 K2 K3 Part Solution
Rate Soluble Soluble Rate PU Total PU
Rate Jan 252 129 32 45 52 253 0.51 45 0.18 5 0.02 Feb 138 94 61 15 18 138 0.68 25 0.18 0 0.00
March 243 158 93 33 32 246 0.65 80 0.33 10 0.04 April 280 211 159 23 29 288 0.75 94 0.33 7 0.02 May 315 178 83 34 61 323 0.57 128 0.40 9 0.03
NPPO
Month LER Total Solution K1 K2 K3 Part Solution
Rate Soluble Soluble Rate PU Total PU
Rate Jan 68 68 62 3 3 75 1.00 11 0.15 0 0.00 Feb 95 97 90 3 4 105 1.02 11 0.10 1 0.01
March 56 57 42 5 10 75 1.02 14 0.19 2 0.03 April 113 111 95 5 11 134 0.98 12 0.09 0 0.00 May 83 78 60 9 9 95 0.94 32 0.34 1 0.01
Biweekly
Month LER Total Solution K1 K2 K3 Part Solution
Rate Soluble Soluble Rate PU Total PU
Rate Jan 370 1184 400 276 508 2623 7.09 498 0.19 60 0.02 Feb 352 1203 422 257 524 2578 7.32 495 0.19 14 0.01
March 392 1331 624 146 561 2898 7.39 597 0.21 20 0.01 April 499 1473 788 95 590 3644 7.30 716 0.20 36 0.01 May 499 1608 939 145 524 3795 7.61 780 0.21 24 0.01
PQ
Month LER Total Solution K1 K2 K3 Part Solution
Rate Soluble Soluble Rate PU Total PU
Rate Jan 58 789 188 185 416 1801 31.05 718 0.40 18 0.01 Feb 37 555 96 144 315 1314 35.51 518 0.39 3 0.00
March 30 400 94 78 229 926 30.87 405 0.44 0 0.00 April 42 643 126 140 377 1985 47.26 1096 0.55 11 0.01 May 31 514 135 110 269 1281 41.32 741 0.58 2 0.00
PQ ID
Month LER Total Solution K1 K2 K3 Part Solution
Rate Soluble Soluble Rate PU Total PU
Rate Jan 16 64 13 25 26 141 8.81 22 0.16 0 0.00 Feb 9 51 12 19 20 100 11.11 33 0.33 0 0.00
March 14 40 6 21 13 85 6.07 18 0.21 0 0.00 April 16 61 20 16 25 126 7.88 6 0.05 0 0.00 May 8 30 3 14 13 68 8.50 10 0.15 0 0.00
I3+I4+D
Month LER Total Solution K1 K2 K3 Part Solution
Rate Soluble Soluble Rate PU Total PU
Rate Jan 213 202 70 78 54 326 0.95 134 0.41 6 0.02 Feb 151 128 93 14 21 175 0.85 84 0.48 2 0.01
March 93 93 64 18 11 107 1.00 35 0.33 0 0.00 April 225 321 280 18 23 350 1.43 103 0.29 13 0.04 May 122 197 146 24 27 252 1.61 66 0.26 0 0.00