Detail Cantuman Kembali
Peramalan Jumlah Permintaan Air Minum dalam Kemasan
- Bagikan:
Naskah Ringkasan
FORECASTING THE NUMBER OF BOTTLED DRINKING WATER
DEMAND
Thesis
Untuk memenuhi sebagian persyaratan
Mencapai derajat Sarjana S-2
Minat Studi Magister Sistem Teknik
Program Studi S-2 Teknik Mesin
Konsentrasi Joint Program
Jurusan Teknik Mesin Dan Industri
Fakultas Teknik
Diajukan Oleh :
Ihsan Hasan
08/278963/PTK/05548
Kepada
PROGRAM PASCASARJANA
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011
FORECASTING THE NUMBER OF BOTTLED DRINKING WATER
DEMAND
Tesis
Untuk memenuhi sebagian persyaratan
Mencapai derajat Sarjana S-2
Minat Studi Magister Sistem Teknik
Program Studi S-2 Teknik Mesin
Konsentrasi Joint Program
Jurusan Teknik Mesin Dan Industri
Fakultas Teknik
Diajukan Oleh :
Ihsan Hasan
08/278963/PTK/05548
Kepada
PROGRAM PASCASARJANA
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011
TABLE OF CONTENTS
Cover
Title and Identification of the Study Program
Approval Page
Table of Contents
CHAPTER I : INTRODUCTION
1.1.Backgrounds .................................................................................................... 1
1.2.Problem Limitation .......................................................................................... 1
1.3.Problem Formulation ....................................................................................... 1
1.4.Research Objective .......................................................................................... 1
1.5.Research Significance ...................................................................................... 1
CHAPTER II : LITERATURE REVIEW
2.1. Literature Review ........................................................................................... 2
2.2. Products and Type of Products........................................................................ 2
2.3. Forecasting ..................................................................................................... 2
CHAPTER III : RESEARCH METHODOLOGY
3.1. Object, Data and Research Tools .................................................................... 3
3.2. Research Stage............................................................................................... 4
3.3. Analysis.......................................................................................................... 4
CHAPTER IV : DATA PROCESSING AND ANALYSIS
4.1. Normality Test ................................................................................................ 5
4.2. Analysis of Variance....................................................................................... 5
4.3. t-Students Test ................................................................................................ 6
4.4. Best Forecasting Method................................................................................ 6
4.5. Validation of Best Method to Forecast the Number of Demand ....................... 7
4.6. Forecasting The Number of Bottled Drinking Water Demand ......................... 8
CHAPTER V : CONCLUSION AND SUGGESTION
5.1. Conclusion...................................................................................................... 9
5.2. Suggestion ...................................................................................................... 10
REFERENCES................................................................................................................ 10
CHAPTER I
INTRODUCTION
1.1. Backgrounds
Forecasting the number of demand using historical data is a part of demand
management. Management factor is much needed in production system to support
another production input. Forecasting the number of demand in the next period becoming
more important because there is no exact number of demand in the future.
Forecasting the number of demand is one tool to observe the pattern of demand in
the future. There are so many forecasting method can be used, though forecasting the
number of demand for functional products which has long life cycle and variation of
products is very little can use simplest method such as moving average and exponential
smoothing. One of the examples of functional products is bottled drinking water.
1.2. Problem Limitation
Demand data for gallon, bottle and cup product of bottled drinking water used in
this research. This data collected since January 2003 until March 2010. Forecasting
method used are moving average and exponential smoothing. Web base demand
forecasting application developed to help the author solving the problems in this research.
1.3. Problem Formulation
How many prediction of the demand in the next future for gallon, bottle and cup
product of bottled drinking water for April 2010 until march 2011?.
1.4. Research Objective
The research conducted to give information about exact number of demand
forecast for gallon, bottle, and cup product of bottled drinking water in the future. The
forecast will be conducted based on the best method that has smallest MAPE value.
1.5. Research Significance
Significance of this research is introducing how to forecast the number of demand
especially for bottled drinking water demand using simple forecasting method;
introducing web base application to forecast the number of demand for bottle drinking
water demand in decision making.
1
CHAPTER II
LITERATURE REVIEW
2.1. Literature Review
Forecasting has been conducted to predict the number of demand such as the
number of refrigerator demand in Singapura(Mitrea dkk, 2009), the number of furniture
demand (Pilinkiene, 2008), the number of tea products demand (Chern dkk, 2010), the
number of garment demand (Kaes dkk, 2009), The number of international air flight
passenger demand (Suhartono dkk, 2005), and the number of yarn demand(Hasan, 2007).
2.2. Product and Type of Products
There are two kinds of products that is goods and service. Both of them have
different characteristics Heizer and Render (2008) defining goods as visible products and
service is the example of invisible products. Kerzner (2009) define products as
characteristics or function that owned by a products.
Fisher (1997) divides products based on the characteristics into two, which are
functional and innovative products. Functional products has small number of variation in
products, customer needs relatively constant, life cycle of this products in the market is
very long. Compared with functional product, innovative product is quite different; the
characteristic is very upside down with functional products.
2.3. Forecasting
Forecasting is science and art to predict something that will be happen in the
future (Heizer, 2008). Forecasting divided in three range of time that is short range
forecasting which has range of time less than one years; medium range forecasting which
has range of time between one year and 3 years; long range forecasting which has range
of time more than three years.
Forecasting using simple method such as moving average and exponential
smoothing is good to be used to forecast the number of demand for functional products.
Forecasting the number of demand using moving average generally conducted with
determining the number of historical observation data will be used to calculate the
average. The average itself is a forecasting value. There are two kinds of forecasting
using moving average that are moving average without weight or called simple moving
average and weighted moving average.
2
Forecasting the number of demand using exponential smoothing conducted with
changing the influence of historical demand data into forecasting value. This can be done
with determining the smoothing value that will be used in exponential smoothing method.
There are two kinds of exponential smoothing method used in this research that is single
exponential smoothing and double exponential smoothing..
Forecasting always contain error. Error is the difference between actual value and
forecasting value. MAPE is one of the methods that will be used to calculate the error
value. Forecasting validation used to observe the accuracy level of a forecasting method
when used to predict the number of demand.
CHAPTER III
RESEARCH METHODOLOGY
3.1. Object, Data and Research Tool.
Research conducted in small and medium enterprises (SME) whom produced
bottled drinking water that is PT. Artha Envirotama. It addressed in Pakem Binangun
Street, Pakem, Sleman, Yogyakarta.
Data used in this research is bottled drinking water historical demand data for
gallon, bottle and cup products. Total data collected is 87 data, Data period collected
from January 2003 until March 2010.
Tools that will be used to help solving and analyzing the problems of forecasting
the number of bottled drinking water demand is web-base demand forecasting
application.
3.2 Research Stage
Research conducted in a few stages that are problem identification and data
collecting stage; tools developing stage; data testing stage.
1. Problem Identification and Data Collecting Stage.
Problem identification and data collecting stage conducted in few ascending stage
in a row that is pre-observation, problem identification, problem formulation and data
collecting..
3
2. Tools Developing Stage.
A tool developed in this research is web-base demand forecasting application.
Developing the tools conducted in two ascending stages that are:
1. Developing database;
2. Developing interface;
3. Data Testing Stage
Data that is already collected will be processed using web-base demand
forecasting application. This tool was developed to make observation and data analysis
easier.
3.4. Analysis
Analysis is a process to gain deeper information from data that already collected
and already processed. Analysis in this research can be divided into two forms such as
below:
1. Data Analysis.
Data analysis is aim to understand the pattern of demand data which exist
in the company. Graphic and statistical test used to make easier demand data
analysis.
2. Best Method Analysis.
This analysis will be used to find best method to forecast the number of
gallon, bottle, and cup products from four methods that used in this research.
Four methods used in this research are simple moving average; weighted
moving average; single exponential smoothing; double exponential smoothing.
Choosing the best method in forecasting when there are more than method
used is depend on the value of mean absolute percentage error (MAPE). The
best method will have smallest MAPE value compared with the others
method.
3. Forecasting Validation Analysis.
Forecasting validation analysis conducted to observe if the value of error
produced by the best method to forecast the number of demand for bottled
drinking water demand statistically under control or not.
4
CHAPTER IV
DATA PROCESSING AND ANALYSIS
4.1. Normality Test.
Normality test conducted to know if the data of bottled drinking water demand
that already collected statistically has follow normal distribution. One of the test can be
used to test the normality is Kolmogorov-Smirnov test. Normality test result is shown in
Table 1.
Table 1. Sig value of normality test.
The sig value all of years represent the bottled drinking water demand for gallon,
bottle and cup was tested. All of the value is ≥ 0,05. It can be concluded that all of the
demand data had tested is follow the normal distribution.
4.2 Analysis of Variansi (ANOVA)
Anova test conducted to test whether there is mean difference of bottle drinking
water deman for gallon, bottle and cup products in 2003 until 2009. Anova test will be
used if statistically all of the data is already follow the normal distribution. Table 2 will
show the value of Anova test for gallon, bottle and cup products.
Tabel 2. Anova test value
The value of Anova test of bottled drinking water demand for gallon, bottle and
cup > 2,21, so it can be concluded that all of the average value for those seven years that
already processed significantly is not same.
5
4.3. T – Students Test
T-students test used to test the tendency of demand data every year if there are
any demand significant mean differentiations while it compared each other. The value of
t-students showed in Table 3.
Table 3. T-students test value
The value of t table in this research are in the interval ± 2,20. If the value of t
calculation is outside the interval so there is significant difference of bottled drinking
water demand mean between those two years compared. In vice versa, if the value of t
calculation is inside the interval so there is no significant difference of bottled drinking
water demand mean between those two years compared.
4.4. Best Forecasting Method
Best forecasting method has smallest MAPE value compared with the other
methods. Table 4 will shown the value of MAPE for every methods used to forecast the
number of bottled drinking water demand.
Table 4. Forecasting MAPE value
All forecasting method used in the research will be compared one to each other to
find the smallest MAPE value from every method used to forecast the number of bottled
drinking water demand. Best forecasting method to forecast the number of demand for
gallon product is single exponential smoothing. Best forecasting method to forecast the
6
number of demand for bottle product is simple moving average. Best forecasting method
to forecast the number of demand for cup product is single exponential smoothing.
4.5 Validation of Best Method to Forecast the Number of Demand
Figure 1: Figure 2; Figure 3 showing control chart of bottled drinking water
demand forecasting.
4000
3000
2000
1000
0
-1000
-2000
-3000
-4000
Nilai error peramalan kemasan galon Batas kendali atas
Batas kendali bawah
Figure 1. Control chart for gallon product forecasting demand
400
300
200
100
0
-100
-200
-300
-400
Nilai Error Batas Kendali Atas Batas Kendali Bawah
Figure 2. Control chart for bottle product forecasting demand
7
1500
1000
500
0
-500
-1000
-1500
Nilai Error Batas Kendali Atas Batas Kendali Bawah
Figure 3. Control chart for cup product forecasting demand
Figure 1; Figure 2; Figure 3 clearly showing information that the error value of
bottled drinking water demand is controllable. All of the error value is located inside
upper and lower control chart limit that already calculated. It can be conclude that all of
the forecasting method to forecast the number of demand is already good and valid.
4.6 Forecasting The Number of Bottled Drinking Water Demand
The number of bottle drinking water demand forecast conducted by best
forecasting method which has smallest MAPE value. Table 5 shows the forecasting value
for every product in months.
Table 5. Nilai Peramalan Permintaan
8
Table 6 shows the value of t-students that used to analyze whether there are any
significance difference between demand actual data and demand forecast data.
Table 6. T-students for average test of demand actual data and demand forecast data
The result of t-students will be compared both of demand actual data and forecast
actual data. The result of all of t-students test for all of the products is less than the value
of t-students table that is 2,57 so conclusion can be made that is there is no significance
mean difference between demand actual data and demand forecast data.
CHAPTER V
CONCLUSION AND SUGGESTION
5.1. Conclusion
Conclusions of this research are:
1) The forecast result of bottled drinking water demand for gallon products in April
2010 until March 2011 has the same value that is 13.688 gallon. Best forecasting
method to forecast the number of bottled drinking water demand for gallon
products is single exponential smoothing.
2) The forecast result of bottled drinking water for bottle products in April 2010;
May 2010; June 2010; July 2010; Augusts 2010; September 2010; October 2010;
November 2010; December 2010; January 2011; February 2011; March 2011 in
sequence 827 cartons; 815 cartons; 814 cartons; 822 cartons; 815 cartons; 820
cartons; 823 cartons; 846 cartons; 845 cartons; 843 cartons; 827 cartons; 827
cartons. The best method to forecast the number of bottled drinking water demand
for bottle product is simple moving average.
3) The forecast result of bottled drinking water demand for cup products in April
2010 until March 2011 has the same value that is 2.799 cartons. Best forecasting
method to forecast the number of bottled drinking water demand for cup products
is single exponential smoothing.
9
5.2. Suggestion
Suggestions for this research are:
1) Forecasting always contains error, so qualitative forecasting need to be included
in decision making process.
2) Another forecasting method can be added in the next research to forecast the
number of bottled drinking water demand.
3) Integration of another module in operation management which has a connection
with demand forecasting can be added to help company produce goods effectively
and efficiently. The modules are such as aggregate planning, master production
scheduling, etc.
REFFERENCES
Chern, C. C., Ieong, K. I. A., Wu, L. L., and Kung, L. C., 2010 , A Decision Support System For
New Product Sales Forecasting, Department Of Information Management, Taipei.
Hasan, I., 2007, Demand Forecasting at PT Argo Pantes Tbk, Faculty of Industrial Technology,
Universitas Islam Indonesia, Yogyakarta.
Heizer, J. and Render, B., 2008, Operation Management, 9th Ed, Pearson-Prentice Hall, New
Jersey.
Kaes, I. and Azeem, A., 2009, Demand Forecasting And Supplier Selection For Incoming
Material In RMG Industry: A Case Study, International Journal Of Business And
Management, Vol.4, No.5, p.149-159.
Mitrea, C. A., Lee C. K. M. and Wu, Z., 2009 , A Comparison Between Neural Networks And
Traditional Forecasting Methods: A Case Study, International Journal Of Engineering
Business Management, Vol 1, No.2 , p. 67 – 72.
Pilinkiene, V., 2008, Selection Of Market Demands Forecast Methods: Criteria And Application,
Engineering Economics No.3 (58).
Pujawan, I.N ., 2005, Supply Chain Management, Guna Widya, Surabaya.
Suhartono and Guritno S,S., 2005, A Comparative Study Of Forecasting Models For Trend And
Seasonal Time-Series :Does Complex Models Always Yield A Better Forecast Than
Simple Model?., Jurnal Teknik Industri, Vol. 7, No.1 p.22-30.
10
Naskah Ringkasan
PERAMALAN JUMLAH PERMINTAAN AIR MINUM DALAM
KEMASAN
Tesis
Untuk memenuhi sebagian persyaratan
Mencapai derajat Sarjana S-2
Minat Studi Magister Sistem Teknik
Program Studi S-2 Teknik Mesin
Konsentrasi Joint Program
Jurusan Teknik Mesin Dan Industri
Fakultas Teknik
Diajukan Oleh :
Ihsan Hasan
08/278963/PTK/05548
Kepada
PROGRAM PASCASARJANA
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011
PERAMALAN JUMLAH PERMINTAAN AIR MINUM DALAM
KEMASAN
Tesis
Untuk memenuhi sebagian persyaratan
Mencapai derajat Sarjana S-2
Minat Studi Magister Sistem Teknik
Program Studi S-2 Teknik Mesin
Konsentrasi Joint Program
Jurusan Teknik Mesin Dan Industri
Fakultas Teknik
Diajukan Oleh :
Ihsan Hasan
08/278963/PTK/05548
Kepada
PROGRAM PASCASARJANA
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2011
DAFTAR ISI
Halaman Depan
Halaman Judul Dan Identitas Program Studi
Lembar Pengesahan
Daftar Isi
BAB I : PENDAHULUAN
1.1.Latar Belakang................................................................................................ 1
1.2.Batasan Masalah .............................................................................................. 1
1.3.Rumusan Masalah........................................................................................... 1
1.4.Tujuan Penelitian ............................................................................................. 1
1.5.Manfaat Penelitian ........................................................................................... 1
BAB II : TINJAUAN PUSTAKA
2.1. Tinjauan Pustaka............................................................................................ 2
2.2. Produk dan Jenis Produk................................................................................. 2
2.3. Peramalan ....................................................................................................... 2
BAB III : METODOLOGI PENELITIAN
3.1. Object, Data dan Alat Penelitian ..................................................................... 3
3.2. Tahapan Penelitian.......................................................................................... 4
3.3. Analisis........................................................................................................... 4
BAB IV : HASIL PENELITIAN DAN PEMBAHASAN
4.1. Uji Normalitas Data Permintaan Air Minum Dalam Kemasan......................... 5
4.2. Analisis Variansi............................................................................................. 5
4.3. Uji t-Students.................................................................................................. 6
4.4. Metode Peramalan Terbaik ............................................................................. 6
4.5. Validasi Metode Terbaik Peramalan Jumlah Permintaan ................................. 7
4.6. Peramalan Jumlah Permintaan AMDK............................................................ 8
BAB V : KESIMPULAN DAN SARAN
5.1. Kesimpulan.................................................................................................... 9
5.2. Saran .............................................................................................................. 10
DAFTAR PUSTAKA ...................................................................................................... 10
BAB I
PENDAHULUAN
1.1. Latar Belakang.
Peramalan jumlah permintaan dengan menggunakan data historis adalah salah
satu unsur dari manajemen permintaan. Unsur manajemen sangat dibutuhkan dalam
produksi untuk mendukung faktor produksi yang lain. Peramalan permintaan periode
mendatang menjadi sangat penting karena tidak adanya gambaran yang pasti tentang
jumlah permintaan.
Peramalan jumlah permintaan merupakan salah satu alat untuk mengamati pola
permintaan di masa yang akan datang. Banyak metode-metode peramalan yang dapat
digunakan, namun peramalan untuk produk fungsional yang memiliki jenis produk
sedikit dan siklus hidup panjang dapat menggunakan metode yang sederhana seperti
moving average dan exponential smoothing. Salah satu jenis produk fungsional adalah air
minum dalam kemasan.
1.2. Batasan Masalah
Penelitian menggunakan data permintaan air minum dalam kemasan galon, botol
dan cup yang dikumpulkan sejak Januari 2003 sampai dengan Maret 2010. Metode
peramalan yang digunakan adalah moving average dan exponential smoothing. Aplikasi
peramalan berbasis web dikembangkan untuk membantu penelitian.
1.3. Rumusan Masalah
Berapakah jumlah permintaan air minum dalam kemasan galon,botol, cup pada
periode April 2010 sampai dengan Maret 2011?.
1.4. Tujuan Penelitian
Penelitian dilakukan untuk memberikan informasi mengenai jumlah permintaan
air minum dalam kemasan galon, botol dan cup pada periode yang ingin diramalkan
berdasarkan hasil perhitungan metode terbaik yang memiliki nilai MAPE terkecil.
1.5. Manfaat Penelitian
Penelitian diharapkan dapat memperkenalkan peramalan dengan menggunakan
metode sederhana dengan menggunakan aplikasi berbasis web dalam pengambilan
keputusan.
1
BAB II
TINJAUAN PUSTAKA
2.1. Tinjauan Pustaka
Peramalan telah banyak dilakukan untuk memprediksi jumlah permintaan seperti
permintaan lemari es (Mitrea dkk, 2009), Permintaan furniture (Pilinkiene, 2008),
Permintaan produk teh (Chern dkk, 2010), Permintaan pada industri garmen (Kaes dkk,
2009), Permintaan pada sektor jasa yaitu jumlah penumpang penerbangan internasional
(Suhartono dkk, 2005), serta permintaan produk benang (Hasan, 2007).
2.2. Produk dan Jenis Produk
Secara umum, terdapat dua macam produk yaitu barang dan jasa. Keduanya
memiliki karakteristik dan ciri yang berbeda. Heizer dan Render (2008) mendefinisikan
barang sebagai produk yang nyata sedangkan jasa adalah produk yang tidak nyata.
Kerzner (2009) mendefinikan produk sebagai karakteristik atau fungsi yang melekat pada
suatu produk.
Fisher (1997) membagi produk berdasarkan karakteristiknya menjadi dua, yaitu
produk fungsional dan inovatif. Produk fungsional memiliki jumlah variasi produk yang
sangat sedikit, kebutuhan pelanggan relatif stabil, siklus hidup produk panjang,
sedangkan produk inovatif adalah sebaliknya.
2.3. Peramalan
Peramalan adalah seni dan ilmu dalam memprediksi kejadian dimasa yang akan
datang (Heizer, 2008). Peramalan dibagi dalam 3 rentang waktu peramalan yaitu
peramalan jangka pendek yang mempunyai rentang waktu kurang dari 1 tahun;
Peramalan jangka menengah yang mempunyai jangka waktu antara 1 tahun sampai
dengan 3 tahun; Peramalan jangka panjang yang memiliki rentang waktu lebih dari 3
tahun.
Peramalan dengan menggunakan metode sederhana seperti moving average dan
exponential smoothing sangat baik dilakukan dalam meramalkan permintaan produk
fungsional. Peramalan jumlah permintaan dengan moving average pada dasarnya
dilakukan dengan menentukan berapa jumlah pengamatan data masa lalu yang akan
digunakan untuk menghitung nilai tengah. Nilai tengah yang dihasilkan merupakan nilai
2
peramalan. Terdapat dua jenis peramalan dengan menggunakan moving average yaitu
dengan pembobotan dan tanpa pembobotan.
Peramalan jumlah permintaan dengan menggunakan exponential smoothing
dilakukan dengan cara mengubah pengaruh data masa lalu menjadi nilai peramalan
dengan menetapkan nilai konstanta pemulusan yang akan digunakan. Terdapat dua
macam metode peramalan dengan menggunakan metode exponential smoothing pada
penelitian ini yaitu single exponential smoothing dan double exponential smoothing.
Peramalan selalu mengandung error, Nilai error adalah perbedaan antara nilai
aktual dan nilai peramalan. MAPE adalah salah satu metode yang digunakan untuk
menghitung nilai error. Validasi peramalan digunakan untuk mengetahui seberapa besar
tingkat akurasi yang dihasilkan suatu metode dalam melakukan prediksi.
BAB III
METODOLOGI PENELITIAN
3.1. Objek, Data dan Alat Penelitian.
Penelitian dilakukan di industri kecil dan menengah (IKM) yang memproduksi air
mimun dalam kemasan (AMDK) yaitu PT. Artha Envirotama, yang terletak di Jl.Pakem
Binangun, Pakem, Sleman, Yogyakarta.
Data yang akan digunakan adalah data historis permintaan produk air minum
dalam kemasan galon; botol; cup yang berjumlah 87 periode pada rentang waktu dari
Januari, 2004 sampai dengan Maret, 2010.
Alat yang digunakan untuk membantu dalam mengolah data adalah rancang
bangun peramalan yang berbasis web.
3.2 Tahapan Penelitian
Penelitian dilakukan dalam beberapa tahap yaitu tahapan identifikasi masalah dan
pengumpulan data; tahapan pengembangan alat; tahapan pengujian data.
1. Tahapan Identifikasi Masalah dan Pengumpulan Data.
Tahapan identifikasi masalah dan pengumpulan data dilakukan dalam beberapa
tahapan secara berurutan yaitu observasi awal, identifikasi masalah, perumusan masalah
dan pengumpulan data.
3
2. Tahapan Pengembangan Rancang Bangun.
Rancang bangun yang dikembangkan dalam penelitian ini adalah rancang bangun
peramalan berbasis web. Tahapan pengembangan rancang bangun ini dibagi kedalam
beberapa tahapan sebagai berikut:
1) Pengembangan Database;
2) Pengembangan Antarmuka;
C.3. Tahapan Pengujian Data
Data yang sudah dikumpulkan diolah dengan menggunakan aplikasi rancang
bangun peramalan permintaan yang berbasis web yang sudah dikembangkan untuk
memudahkan penelitian.
3.3. Analisis
Analisis adalah proses menggali informasi yang lebih dalam dari data yang telah
dikumpulkan dan telah diuji. Analisis dalam penelitian ini dapat dibagi kedalam beberapa
tahapan sebagai berikut:
1. Analisis Data.
Analisis data berfungsi untuk memahami kecenderungan data permintaan
yang terjadi di perusahaan. Grafik dan uji statistik digunakan untuk
mempermudah menganalisis data permintaan.
2. Analisis Metode Terbaik.
Analisis ini dilakukan untuk mencari metode terbaik peramalan
permintaan untuk setiap produk dari beberapa metode yang diujikan. Empat
metode yang diuji yaitu simple moving average; weighted moving average;
single exponential smoothing; double exponential smoothing.
Pemilihan metode terbaik didasarkan atas perbandingan nilai mean
absolute percentage error (MAPE). Metode yang memiliki nilai MAPE
paling kecil adalah metode terbaik.
3. Analisis Validasi Peramalan.
Analisis validasi peramalan dilakukan untuk melihat apakah nilai error
peramalan yang dihasilkan metode terbaik secara statistik masih dalam batas
kendali.
4
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Uji Normalitas Data Permintaan Air Minum Dalam Kemasan.
Uji normalitas dilakukan untuk mengetahui apakah data permintaan air minum
dalam kemasan yang telah dikumpulkan secara statistik telah berdistribusi normal. Salah
satu uji yang dapat digunakan adalah uji Kolmogorov-Smirnov. Nilai uji normalitas
ditunjukkan pada Tabel 1.
Tabel 1. Nilai Sig Uji Normalitas.
Karena nilai sig seluruh tahun yang diuji pada permintaan air minum dalam
kemasan galon, botol dan cup ≥ 0,05, maka dapat disimpulkan bahwa seluruh data
permintaan yang diuji berdistribusi normal.
4.2 Analisis Variansi (ANOVA)
Uji Anova (Analysis of variance) dilakukan untuk menguji apakah terdapat
perbedaan rata-rata permintaan produk air minum kemasan galon, botol dan cup pada
tahun 2003 sampai dengan tahun 2009. Uji Anova dilakukan jika data yang digunakan
secara statistik telah berdistribusi normal. Nilai uji Anova ditunjukkan pada Tabel 2.
Tabel 2. Nilai Uji Anova
Karena nilai F hitung uji Anova permintaan air minum dalam kemasan galon;
botol; cup > 2,21, maka dapat diambil kesimpulan bahwa nilai rata-rata jumlah
permintaan untuk ketujuh tahun yang diuji adalah tidak sama.
5
4.3. Uji t – Students
Uji t-students digunakan untuk menguji kecenderungan data dari tahun ke tahun
apakah terdapat perbedaan rata-rata permintaan yang signifikan. Nilai uji t-students
ditunjukkan pada Tabel 3.
Tabel 3. Nilai Uji t-students
Nilai t tabel pada penelitian ini berada pada interval ± 2,20. Jika nilai t hitung
berada diluar interval tersebut maka pada tahun tersebut terjadi perbedaan rata-rata
jumlah permintaan produk kemasan air minum dalam kemasan yang signifikan.
Sebaliknya , jika nilai hitung berada pada interval tersebut maka tidak terjadi perbedaan
rata-rata jumlah permintaan produk kemasan air minum dalam kemasan yang signifikan.
4.4. Metode Peramalan Terbaik
Metode terbaik mempunyai nilai MAPE yang lebih kecil dibandingkan dengan
metode yang lain. Tabel 4 menunjukkan nilai MAPE setiap metode yang digunakan.
Tabel 4. Nilai MAPE Peramalan
Metode peramalan dibandingkan untuk mengetahui nilai MAPE terkecil dari
setiap metode yang digunakan sehingga didapatkan metode terbaik untuk meramalkan
permintaan AMDK. Metode terbaik untuk meramalkan permintaan AMDK galon adalah
metode single exponential smoothing; Metode terbaik untuk meramalkan permintaan
AMDK botol adalah metode simple moving average; Metode terbaik untuk meramalkan
permintaan AMDK cup adalah metode single exponential smoothing.
6
4.5 Validasi Metode Terbaik Peramalan Jumlah Permintaan
Gambar 1: Gambar 2; Gambar 3 menunjukkan control chart peramalan
permintaan air minum dalam kemasan.
4000
3000
2000
1000
0
-1000
-2000
-3000
-4000
Nilai error peramalan kemasan galon Batas kendali atas
Batas kendali bawah
Gambar 1. Control chart peramalan permintaan kemasan galon
400
300
200
100
0
-100
-200
-300
-400
Nilai Error Batas Kendali Atas Batas Kendali Bawah
Gambar 2. Control chart peramalan permintaan kemasan botol
7
1500
1000
500
0
-500
-1000
-1500
Nilai Error Batas Kendali Atas Batas Kendali Bawah
Gambar 3. Control chart peramalan permintaan kemasan cup
Gambar 1; Gambar 2; Gambar 3 secara jelas menunjukkan bahwa semua nilai
error peramalan jumlah permintaan AMDK berada dalam interval batas atas dan batas
bawah yang telah ditetapkan. Sehingga metode peramalan yang digunakan untuk
meramalkan jumlah permintaan AMDK adalah valid.
4.6 Peramalan Jumlah Permintaan AMDK
Peramalan jumlah permintaan AMDK dilakukan oleh metode terbaik yang
memiliki nilai MAPE terkecil. Tabel 5 menunjukkan nilai peramalan permintaan yang
dilakukan oleh metode terbaik sesuai dengan jenis produk yang ingin diramalkan.
Tabel 5. Nilai Peramalan Permintaan
8
Tabel 6 menunjukkan nilai uji t-students yang dilakukan untuk menganalisis
apakah terjadi perbedaan di antara data aktual permintaan dengan data peramalan
permintaan.
Tabel 6. Nilai t-students uji rata-rata nilai aktual dan peramalan permintaan
Hasil uji t-students data aktual permintaan air minum dalam kemasan yang
dibandingkan dengan data peramalan permintaan air minum dalam kemasan adalah lebih
kecil daripada nilai t tabel yaitu 2,57 sehingga dapat disimpulkan bahwa tidak ada
perbedaan rata-rata yang signifikan di antara data aktual permintaan dengan data
peramalan permintaan.
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Kesimpulan penelitian ini adalah:
1) Peramalan jumlah permintaan produk air minum dalam kemasan galon untuk
periode April 2010 sampai dengan Maret 2011 yaitu 13.688 galon. Metode
terbaik untuk meramalkan jumlah permintaan produk galon adalah single
exponential smoothing.
2) Peramalan permintaan kemasan botol untuk bulan April 2010; Mei 2010; Juni
2010; Juli 2010 ; Agustus 2010; September 2010; Oktober 2010; November 2010;
Desember 2010; Januari 2011; Februari 2011; Maret 2011 berturut-turut adalah
827 dus; 815 dus; 814 dus; 822 dus; 815 dus; 820 dus; 823 dus; 846 dus; 845 dus;
843 dus; 827 dus; 827 dus. Metode terbaik untuk meramalkan jumlah permintaan
produk galon adalah simple moving average.
3) Peramalan jumlah permintaan produk air minum dalam kemasan cup untuk
periode April 2010 sampai dengan Maret 2011 memiliki nilai yang sama yaitu
2.799 dus. Metode terbaik untuk meramalkan jumlah permintaan produk galon
adalah single exponential smoothing.
9
5.2. Saran
Adapun saran-saran untuk pengembangan penelitian ini adalah sebagai berikut:
1) Peramalan selalu mengandung error, sehingga peramalan kualitatif perlu
dilakukan dalam pengambilan keputusan.
2) Metode lain dapat ditambahkan pada penelitian selanjutnya untuk meramalkan
jumlah permintaan air minum dalam kemasan.
3) Integrasi materi lain dalam manajemen operasi yang mempunyai kaitan erat
dengan peramalan permintaan dapat ditambahkan untuk membantu perusahaan
dalam berproduksi secara baik dan efisien seperti agregat planning, master
production scheduling, dll.
DAFTAR PUSTAKA
Chern, C. C., Ieong, K. I. A., Wu, L. L., and Kung, L. C., 2010 , A Decision Support System For
New Product Sales Forecasting, Department Of Information Management, Taipei.
Hasan, I., 2007, Demand Forecasting at PT Argo Pantes Tbk, Faculty of Industrial Technology,
Universitas Islam Indonesia, Yogyakarta.
Heizer, J. and Render, B., 2008, Operation Management, 9th Ed, Pearson-Prentice Hall, New
Jersey.
Kaes, I. and Azeem, A., 2009, Demand Forecasting And Supplier Selection For Incoming
Material In RMG Industry: A Case Study, International Journal Of Business And
Management, Vol.4, No.5, p.149-159.
Mitrea, C. A., Lee C. K. M. and Wu, Z., 2009 , A Comparison Between Neural Networks And
Traditional Forecasting Methods: A Case Study, International Journal Of Engineering
Business Management, Vol 1, No.2 , p. 67 – 72.
Pilinkiene, V., 2008, Selection Of Market Demands Forecast Methods: Criteria And Application,
Engineering Economics No.3 (58).
Pujawan, I.N ., 2005, Supply Chain Management, Guna Widya, Surabaya.
Suhartono and Guritno S,S., 2005, A Comparative Study Of Forecasting Models For Trend And
Seasonal Time-Series :Does Complex Models Always Yield A Better Forecast Than
Simple Model?., Jurnal Teknik Industri, Vol. 7, No.1 p.22-30.
Maret 2011
R 604.6 Has p c.1 03.2011
604.6
Thesis
Indonesia
Magister Sistem Teknik UGM
2011
Yogyakarta
xxiii, 140 hlm.; ilus.; 29 cm.
Disertai CD
LOADING LIST...
LOADING LIST...