BAB III

TIME SERIES AND FORECASTING

3.1 Pengumpulan Data

Perusahaan terkenal di Indonesia PT Axepoll akan melakukan perancanaan produksi

untuk produk unggulan mereka. Perencanaan produksi ini pihak perusahaan ingin
departemen produksi meningkatkan ketelitian terhadap jumlah bahan yang diproduksi.
Oleh karena itu departemen produksi PT Axepoll ingin memecahkan ini dengan
menggunakan metode time series dan forecasting. Kegiatan untuk merencanakan dan
menjadwalkan dalam PT Axepoll dengan penentuan permintaan produksi melalui
perencanaan serta permasalahan produksi yang dihadapi.

Data-data diperoleh dari studi kasus PT Axepoll yaitu perusahaan yang bergerak dalam
memproduksi peralatan rumah tangga. Salah satu produk yang dihasilkan adalah Mini
Wheel Drive. Berdasarkan data-data yang diperoleh dari bagian produksi PT Axepoll
jumlah penjualan produk dalam 48 minggu terakhir yaitu:

Tabel 3.1 Data penjualan PT Axepoll

Minggu Unit Minggu Unit Minggu Unit Minggu Unit
1 353 13 393 25 359 37 367
2 351 14 380 26 311 38 395
3 362 15 383 27 389 39 383
4 375 16 392 28 360 40 329
5 365 17 368 29 403 41 340
6 389 18 327 30 404 42 369
7 380 19 346 31 390 43 321
8 358 20 392 32 396 44 304
9 334 21 329 33 372 45 342
10 320 22 397 34 327 46 397
11 355 23 368 35 359 47 356
12 345 24 367 36 367 48 329
Ramalkanlah jumlah permintaan pada bulan ke-13, dengan diketahui nilai  sebagai
berikut:
1. SES = 0,1 ; 0,2 s.d 0,9,
2. DES = 0,1 ; 0,2 s.d 0,9, dan
3. AES = 0,05 ; 0,1 s.d 0,9.

3.2 Pengolahan Data

Berdasarkan pengumpulan data mengenai jumlah penjualan PT Axepoll maka dapat

dilakukan pengolahan data secara manual dan secara komputerisasi menggunakan
software POM-QM For Windows dengan metode time series and forecasting.
Berdasarkan pengumpulan data diatas maka didapatkan data permintaan yang telah diolah
pada Tabel 3.2 sebagai berikut:

Tabel 3.2 Jumlah permintaan selama 12 bulan terakhir

Periode 1 2 3 4 5 6 7 8 9 10 11 12
Permintaan 1441 1492 1354 1548 1433 1461 1419 1593 1425 1474 1334 1424

Berdasarkan data jumlah permintaan selama 12 bulan terakhir maka dapat ditampilkan
pada grafik yang tersedia pada Gambar 3.1 sebagai berikut:

Permintaan Produk PT. Axepoll

1650
1593
1600 1548
1550
Permintaan Produk

1492
1500 1461 1474
1441 1433 1425
1450 1419 1424
1400 1354
1334 Permintaan
1350
1300
1250
1200
1 2 3 4 5 6 7 8 9 10 11 12
Periode

Gambar 3.1 Data permintaan produk PT Axepoll

Berdasarkan grafik data permintaan produk PT Axepoll di atas maka dapat diketahui
bahwa terdapat unsur seasonal karena data jumlah permintaan pada periode 1 hingga
periode 12 mengalami fluktuasi dan tidak terdapat unsur trend. Jumlah permintaan
periode 1 pada grafik di atas adalah sebesar 1441 kemudian mengalami kenaikan pada
periode 2 sebesar 1492, namun mengalami penurunan pada periode 3. Tetapi selanjutnya
mengalami kenaikan kembali pada periode 4 sebesar 1548, dan begitu seterusnya hingga
periode 12. Berdasarkan grafik pada data permintaan produk PT Axepoll dapat
diperkirakan bahwa plot data membentuk pola musiman. Berdasarkan analisa di atas
maka fungsi peramalan yang digunakan yaitu Single Exponential Smoothing, Double
Exponential Smoothing, dan Adaptive Exponential Smoothing.

Berdasarkan data permintaan produk PT Axepoll selama 12 bulan terakhir maka

dilakukan pengolahan data secara manual dan secara komputerisasi dengan menggunakan
software POM-QM For Windows.

3.2.1 Pengolahan Data Secara Manual

Pengolahan data secara manual dilakukan dengan menggunakan tiga metode, yaitu Single
Exponential Smoothing, Double Exponential Smoothing, dan Adaptive Exponential
Smoothing.
1. Single Exponential Smoothing (SES)
Pengolahan data pada metode Single Exponential Smoothing (SES) dilakukan
dengan melakukan perhitungan forecasting, nilai error, Means Absolut Deviation
(MAD), Means Square Deviation (MSD), dan tracking signal. Hasil perhitungan
nilai Means Absolut Deviation (MAD) dan nilai Means Square Deviation (MSD)
untuk masing-masing  dapat dilihat pada Tabel 3.3 sebagai berikut:

Tabel 3.3 Hasil MAD dan MSD untuk masing-masing  metode SES
 MAD MSD
0,1 59,903 5817,706
0,2 62,373 6317,306
0,3 64,452 6844,176
0,4 67,792 7438,709
0,5 72,694 8140,805
 Tabel 3.3 Hasil MAD dan MSD untuk masing-masing  metode SES (lanjutan)
0,6 78,120 8987,888
0,7 84,179 10020,588
0,8 91,029 11290,819
0,9 98,895 12872,578

Perhitungan pada metode Single Exponential Smoothing (SES) dapat dilakukan

sebagai berikut:
a. Forecasting
Pengolahan data pada perhitungan nilai forecasting dapat diketahui dengan
menggunakan rumus Persamaan 3.1 sebagai berikut:
F(t) =  х A(t) + (1 - ) х F (t – 1) ......................................................... (3.1)
dengan: F(t) = Nilai permintaan, dan
A(t) = Permintaan aktual.

Pengolahan data untuk mencari peramalan pada periode ke 13 dapat dilakukan

menggunakan metode Single Exponential Smoothing (SES) dengan rumus
Persamaan 3.1 sebagai berikut:
 = 0,1
A(t) = 1424
F(t-1) = 1445,716
F(t) = 0,1 х 1424 + (1 – 0,1) х 1445,716
= 1443,544 unit
≈ 1444 unit
b. Nilai Error (e)
Pengolahan data pada perhitungan nilai error dapat diketahui dengan
menggunakan rumus Persamaan 3.2 sebagai berikut:
e(t) = A(t) – F(t) ..................................................................................... (3.2)
dengan: F(t) = Nilai permintaan, dan
A(t) = Perhitungan aktual.

Pengolahan data untuk mencari nilai error dengan menggunakan rumus pada
Persamaan 3.2 sebagai berikut:
e(t) = 1593 – 1445,056
= 147,944
c. Means Absolute Deviation (MAD)
Pengolahan data untuk perhitungan nilai Means Absolute Deviation (MAD) dapat
diketahui dengan menggunakan rumus Persamaan 3.3 sebagai berikut:
t |e(t)|
MAD = ......................................................................................... (3.3)
N
dengan: MAD = Mean absolute deviation,
t |e(t)| = Kumulatif selisih antara nilai sebenarnya dikurangi nilai
forecast yang dimutlakkan, dan
N = Periode.

Perhitungan untuk mencari nilai Means Absolute Deviation (MAD) dengan

menggunakan rumus pada Persamaan 3.3 sebagai berikut:
658,935
MAD =
11
= 59,903
d. Means Square Deviation (MSD)
Pengolahan data untuk perhitungan nilai Means Square Deviation (MSD) dengan
nilai  sebesar 0,1 dapat diketahui dengan menggunakan rumus Persamaan 3.4
sebagai berikut:
t e(t)2
MSD = .......................................................................................... (3.4)
N
dengan: MSD = Mean square deviation,
2
t e(t) = Kumulatif selisih antara nilai sebenarnya dikurangi nilai
forecast yang dimutlakkan, dan
N = Periode.

Perhitungan untuk mencari nilai Means Square Deviation (MSD) dengan nilai 
sebesar 0,1 menggunakan rumus Persamaan 3.4 sebagai berikut:
63994.765
MSD =
11
= 5817,706

Berdasarkan hasil pengolahan data di atas yang telah dilakukan dengan

menggunakan metode Single Exponential Smoothing (SES) dengan  sebesar 0,1
maka hasil perhitungan disajikan pada Tabel 3.4 sebagai berikut:
 Tabel 3.4 Hasil pengolahan data SES secara manual
Demand
Bulan F(t) e(t) |e(t)| ∑ e(t) ∑ |e(t)| e(t)2 ∑ e(t)2 MAD MSD TS
(A(t))
1 1441 0 0 0 0 0 0 0 0 0 0
2 1492 1441,000 51 51 51 51 2601 2601 51 2601 1
3 1354 1446,100 -92,100 92,100 -41,100 143,100 8482,410 11083,410 71,550 5541,705 -0,574
4 1548 1436,890 111,110 111,110 70,010 254,210 12345,432 23428,842 84,737 7809,614 0,826
5 1433 1448,001 -15,001 15,001 55,009 269,211 225,030 23653,872 67,303 5913,468 0,817
6 1461 1446,501 14,499 14,499 69,508 283,710 210,224 23864,096 56,742 4772,819 1,225
7 1419 1447,951 -28,951 28,951 40,557 312,661 838,149 24702,245 52,110 4117,041 0,778
8 1593 1445,056 147,944 147,944 188,502 460,605 21887,507 46589,753 65,801 6655,679 2,865
9 1425 1459,850 -34,850 34,850 153,651 495,455 1214,533 47804,286 61,932 5975,536 2,481
10 1474 1456,365 17,635 17,635 171,286 513,090 310,988 48115,274 57,010 5346,142 3,004
11 1334 1458,129 -124,129 124,129 47,158 637,219 15407,916 63523,190 63,722 6352,319 0,740
12 1424 1445,716 -21,716 21,716 25,442 658,935 471,574 63994,765 59,903 5817,706 0,425
13 1443,544

Berdasarkan perhitungan yang telah dilakukan diatas, maka didapatkan hasil

peramalan pada periode ke 13 adalah sebesar 1443,544 unit ≈ 1444 unit.

Berdasarkan hasil pengolahan data pada metode Single Exponential Smoothing

(SES) yang ditampilkan pada Tabel 3.4 diatas, maka didapatkan nilai Tracking
Signal (TS) yang dapat dilihat pada grafik Gambar 3.2 sebagai berikut:

Tracking Signal
5.000
4.000
3.000
2.000
1.000 TS
0.000 BPA
-1.000 BPB
-2.000
-3.000
-4.000
-5.000

Gambar 3.2 Tracking Signal metode SES

Berdasarkan pada Gambar 3.2 dapat dilihat bahwa nilai tracking signal pada periode
1 hingga periode 12 tidak ada yang melewati batas kendali atas yaitu +4 dan batas
 kendali bawah yaitu -4. Karena nilai tracking signal berada diantara nilai batas
kendali maka nilai aktual sudah tepat.
2. Double Exponential Smoothing ( DES)
Pengolahan data pada metode Double Exponential Smoothing (DES) dilakukan
dengan perhitungan forecasting, nilai error, Means Absolut Deviation (MAD),
Means Square Deviation (MSD), dan tracking signal. Hasil perhitungan nilai Means
Absolut Deviation (MAD) dan Means Square Deviation (MSD) untuk masing-
masing  dapat dilihat pada Tabel 3.5 sebagai berikut:

Tabel 3.5 Hasil MAD dan MSD untuk masing-masing  metode DES
 MAD MSD
0,1 57,331 5425,839
0,2 98,350 12521,262
0,3 94,671 11763,735
0,4 91,971 11259,790
0,5 90,392 11002,945
0,6 90,109 11002,998
0,7 91,352 11292,498
0,8 94,441 11938,240
0,9 99,815 13061,985

Berdasarkan metode Double Exponential Smoothing (DES) di atas dilakukan

perhitungan yaitu sebagai berikut:
a. Forecasting
Pengolahan data untuk mencari peramalan pada periode ke 13 pada metode
Single Exponential Smoothing (SES) dapat dihitung dengan menggunakan
rumus pada Persamaan 3.1 sebagai berikut:
 = 0,1
A(t) = 1424
F(t-1) = 1445,716
F(t) = 0,1 х 1424 + (1 – 0,1) х 1445,716
= 1443,544 unit
≈ 1444 unit

Berdasarkan perhitungan nilai F(t) maka selanjutnya dilakukan perhitungan nilai

F(t) dengan menggunakan rumus Persamaan 3.5 sebagai berikut:
 F(t) =  х F(t) + (1 - ) х F (t – 1) ........................................................... (3.5)
dengan: F(t) = Nilai permintaan yang ditentukan pada periode t,
 = Faktor bobot, dan
F(t) = Nilai peramalan.

Pengolahan data untuk mencari nilai F(t) untuk periode ke 13 maka dapat
dihitung dengan menggunakan rumus Persamaan 3.5 sebagai berikut:
 = 0,1
F(t) = 1443,544
F(t-1) = 1446,956
F(t) = 0,1 х 1443,544 + (1 – 0,1) х 1446,956
= 1446,615 unit
≈ 1447 unit
b. Nilai Error (e)
Pengolahan data untuk mencari nilai error dengan menggunakan rumus pada
Persamaan 3.2 sebagai berikut:
e(t) = 1424 – 1446,615
= -22,956