Peramalan Persediaan Material Batubara Dengan Metode Single Exponential Smoothing

Abstract

Abstrak

Pada PLTU Sektor Asam-Asam persediaan batubara sangat perlu diperhatikan sebab menyerap biaya yang cukup besar, sehingga memerlukan efisiensi dalam penggunaannya. Di dalam pelaksanaannya terjadi kelebihan persediaan batubara dan ketika dilakukan pemeriksaaan berkala (stock opname) selalu terjadi selisih sisa saldo antara fisik dan catatan. Hal ini terjadi karena ketika persediaan batubara berlebihan dan terlalu lama dibiarkan berada dilapangan terbuka maka akan menyebabkan penyusutan (losses). Dibutuhkan sebuah metode peramalan untuk mempermudah dalam menentukan jumlah persediaan batubara untuk periode berikutnya.

Metode peramalan single exponential smoothing merupakan salah satu model yang sering digunakan untuk peramalan data berkala dalam jangka waktu pendek. Data yang diperlukan pada proses peramalan dengan sistem yaitu data pemakaian batubara dan data konstanta.

Dengan menggunakan metode single exponential smoothing pada sistem maka akan menghasilkan perbedaan signifikan terhadap data aktual sebesar 83% dan kesamaan terhadap data aktual sebesar 17%. Sedangkan yang tidak menggunakan sistem akan menghasilkan perbedaan signifikan terhadap data aktual sebesar 96% dan kesamaan terhadap data aktual sebesar 4%.

Kata Kunci : Batubara, Peramalan, Single Exponential Smoothing

Abstract

At PLTU sector Asam-Asam supplies coal needs to of attention because absorb enough money large, so it requires efficiency in its use. In its implementation there is excess supply of coal and when do periodic checks (stock opname) always happens balance remaining difference between the physical and notes. This happens because when the coal inventory excessive and too long left in the open field, it will cause shrinkage (losses). Needed a method of forecasting to ease in determining the number of supplies coal for the next period

Forecasting method single exponential smoothing is one model that is often used for periodic data forecasting in the short term. The data required in the forecasting process with a system that is data usage of coal and data constants.

By using a single exponential smoothing method in the system it will generate a significant difference to the actual data by 83% and the similarity to the actual data by 17%. While that does not use the system will generate a significant difference to the actual data by 96% and the similarity to the actual data by 4%.

Keywords: Coal, Forecasting, Single Exponential Smoothing