BAB I

PENDAHULUAN

1.1

Latar Belakang
Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang
berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
secara sistematis. Selama ini banyak peramalan dilakukan secara intuitif menggunakan metodemetode statistika seperti metodesmoothing, Box-Jenkins, ekonometri, regresi dan sebagainya.
Pemilihan metode tersebut tergantung pada berbagai aspek, yaitu aspek waktu, pola data, tipe
model sistem yang diamati, tingkat keakuratan ramalan yang diinginkan dan sebagainya.
Peramalan sangatlah penting bagi perusahaan, karena peramalan dapat membantu
meyakinkan efektivitas dari penggunaan sumber daya. Peramalan dapat memberikan bantuan
yang sangat penting dalam mengindentifikasi tren pada penjualan dan penghasilan dari sebuah
perusahaan. Ada sejumlah teknik peramalan atau model yang memungkinkan untuk membantu
manajemen perusahaan, namun pilihan akan teknik peramalan yang dipilih, memerlukan
sejumlah pertimbangan pertimbangan. Jika manajemen perusahaan yakin bahwa masa depan
perusahaan dapat diprediksi atau setidaknya tidak akan jauh dari prediksi yang dibuat
menggunakan peramalan, maka peramalan secara statistik menjadi alat yang sangat membantu.
Di lain kondisi, manajemen dari sebuah perusahaan akan menghadapi faktor eksternal
yang sangat tidak menentu, dimana masa depan dari sebuah perusahaan tidak dapat diprediksi
karena sangat tidak menentu, kemudian ditemukanlah solusi bagaimana menerapkan peramalan
statistik untuk menghadapi kondisi tersebut, apalagi bila yang kita hadapi adalah kondisi yang
tidak dapat sesuai dengan pola yang seharusnya. Ketidakstabilan ekonomi yang mempengaruhi
kinerja dari sebuah perusahaan dan dapat menyebabkan kesalahan analisis deret waktu.

1.2
Perumusan Masalah
Perumusan masalah pada lapoan pratikum ini diantaranya adalah :
1. Langkah apa yang diperlukan untuk mendapatkan waktu baku ( WB )
proses pengerjaan produk.
2. Langkah apa saja yang diperlukan untuk mendapatkan hasil peramalan
yang tepat.

1.3 Maksud dan Tujuan

Maksud dan tujuan dari pratikum modul I ini adalah :

1. Mengenal berbagai macam metode peramalan dan memahami metode

peramalan deret berkala ( time series ).
2. Memahami prosedur peramalan.
3. Memahami berbagai macam ukuran kesalahan peramalan.
4. Menentukan fungsi peramalan yang tepat sesuai dengan pola data yang terjadi.
5. Memahami dan mampu membuat analisa uji kesalahan peramalan.
6. Mengenal, memahami dan mampu mengoperasikan software yang digunakan untuk
peramalan.
1.4

PembatasanMasalah
Pembatasan masalah dilakukan agar pokok pembahasan tidak melenceng dari maksud
dan tujuan pembahasan. Pembatasan masalah untuk laporan modul I ini diantaranya adalah :
1. Menghitung waktu proses pengerjaan produk.
2. Mengolah data demand dengan metode peramalan yang ada sehingga dapat ditetapkan
metode terbaik.
3. Melakukan plotting data untuk mengetahui metode peramalan yang sesuai dengan
karakteristik data ( data demand ).
4. Melakukan uji kesalahan peramalan untuk mendapatkan metode yang dapat menghasilkan
ramalan yang baik.
1.5
Sistematika Penulisan
Pada laporan pratikum ini, sistematika penulisan yang digunakan adalah :
BAB 1 PENDAHULUAN
Berisi latar belakang yang mana menjelaskan tentang sejarah peramalan dan pengenalan
awal tentang peramalan serta tujuan dari pembahasan.
BAB II PENGUMPULAN DAN PENGOLAHAN DATA
Berisi data waktu dan perhitungan dari hasi lpengamatan supaya dapat dianalisis.
BAB III ANALISIS
Berisi analisis-analisis data yang didapat darihasil pengolahan data.
BAB IV KESIMPULAN DAN SARAN
Berisi tentang ringkasan dari hasil semua pengolahan data dan cakupan dari hasil analisa
dari setiap perhitungan.

BAB II
PENGUMPULAN DAN PENGOLAHAN DATA
2.1. PENGUMPULAN DATA
2.1.1.

Data Stasiun Kerja, Bill of Material Product (BOM), Operation

Process Chart (OPC), Assembly Chart (AC) dan Gambar Produk

1.

Data StasiunKerja

Pada proses pengerjaan produk mobil ambulance mainan, ditetapkan

tujuh statiun kerja. Diantaranya adalah :
Tabel 2.1 Data stasiunkerja

2.

StasiunKe
rja

Pekerjaan

Pengukuran

Pembubutan

Pengeboran

Pemotongan

Pengecatan

Pemeriksaan

Perakitan

Bill of Material Product (BOM)

Bill of Material Product (BOM) merupakan definisi produk akhir yang

terdiri dari daftar item, bahan, atau material yang dibutuhkan untuk merakit,
mencampur atau memproduksi produk akhir. Gambaran dari pohon Bill of
Material Product (BOM) dan definisi itemnya ditampilkan pada gambar 2.1
dan table 2.2 dibawah ini.

Gambar 2.1 Bill of material

Berikut adalah tabel Bill of material yaitu :

Tabel 2.2 Bill of material table
Karakteristik Material
Nomo
r

Ukuran

Jumlah
Assembly

DiterimaDala
mUkuran

Bahan Yang
Diterima

Landasan

150

5
0

20

150x50x20

BalokKayu

As Roda

10

13
0

10x130

SilinderKayu

Roda

30

60

30x60

SilinderKayu

Kepala

50

5
0

50

50x50x50

BalokKayu

Lampusirin
e

10

1
0

10x10x2

Akrilik

100

5
0

50

100x50x50

BalokKayu

3.

Nama

Body

Obeng

Besi

Skrup

Besi

Operation Process Chart (OPC)

Berikut ini adalah gambaran peta proses operasi dari produk mobil
ambulance mainan.

Gambar 2.2 Peta Proses Operasi

4.

Assembly Chart (AC)

Diagram perakitan komponen komponen mobil ambulance mainan

diperlihatkan pada gambar 2.3 dibawah ini.

Gambar 2.3 Assembly chart

5.

Gambar Produk
Gambar 3Dd

2.1.2. Data Pengukuran Waktu Operasi Produk Mobil Ambulance

Dari hasil pengamatan pengukuran waktu pengerjaan produk
didapatkan data waktu operasi sebagai berikut.

No

Komponen

SK

Set Up Time

Run Time

Landasan

Ass Roda (2)

Roda (4)

Kepala

Body

0:

4:

32

4:

19:

44

0:

58:

75

0:

33:

80

0:

12:

22

0:

27:

22

0:

2:

50

0:

22:

68

0:

38:

94

1:

44:

38

0:

1:

31

0:

59:

0:

12:

22

0:

46:

74

0:

2:

44

0:

8:

59

0:

15:

13

2:

49:

81

0:

12:

22

0:

28:

44

0:

3:

53

0:

17:

62

0:

4:

32

0:

50:

93

0:

22:

16

0:

26:

93

0:

12:

22

0:

22:

19

0:

2:

60

0:

8:

35

0:

4:

32

0:

8:

81

0:

12:

22

0:

56:

53

0:

2:

0:

5:

21

SA1

0:

3:

75

0:

21:

53

SA2

0:

2:

75

0:

24:

53

SA3

0:

2:

19

0:

5:

59

SA4

0:

1:

97

0:

19:

63

10

SA5

0:

1:

0:

14:

75

Tabel 2.3 Data Waktu Operasi

2.1.3. Rekapitulasi Waktu Operasi Produk Mobil Ambulance

Perhitungan nilai total waktu operasi ( set-up time + run time ) dapat
dilihat pada tabel 2.4 di bawah ini.
No

Komponen

Landasan

Ass Roda
(2)

Roda (4)

Kepala

Body

6
7
8
9
10

SA1
SA2
SA3
SA4
SA5

SK

Set Up Time

Run Time

1
0:
4:
32
4:
19:
44
3
0:
58:
75
0:
33:
80
5
0:
12:
22
0:
27:
22
6
0:
2:
50
0:
22:
68
2
0:
38:
94
1:
44:
38
4
0:
1:
31
0:
59:
0
5
0:
12:
22
0:
46:
74
6
0:
2:
44
0:
8:
59
2
0:
15:
13
2:
49:
81
5
0:
12:
22
0:
28:
44
6
0:
3:
53
0:
17:
62
1
0:
4:
32
0:
50:
93
4
0:
22:
16
0:
26:
93
5
0:
12:
22
0:
22:
19
6
0:
2:
60
0:
8:
35
1
0:
4:
32
0:
8:
81
5
0:
12:
22
0:
56:
53
6
0:
2:
3
0:
5:
21
7
0:
3:
75
0:
21:
53
7
0:
2:
75
0:
24:
53
7
0:
2:
19
0:
5:
59
7
0:
1:
97
0:
19:
63
7
0:
1:
9
0:
14:
75
Total (menit)
Tabel 2.4 Data RekapitulasiWaktuOperasi

Total
(menit)
4,396
1,543
0,657
0,420
2,389
1,005
0,983
0,184
3,082
0,678
0,353
0,921
0,818
0,574
0,183
0,219
1,146
0,125
0,421
0,455
0,130
0,360
0,278
21,316

2.1.4. Data FaktorPenyesuaiandanFaktorKelonggaran

Faktor penyesuaian dimaksudkan untuk menjaga kewajaran kerja, sehingga tidak akan
terjadi kekurangan waktu karena terlalu idealnya kondisi kerja yang diamati. Faktor penyesuaian
dalam pengukuran waktu kerja dibutuhkan untuk menentukan waktu normal dari operator yang
berada dalam sistem kerja.
Sedangkan faktor kelonggaran di maksudkan untuk memberi kesempatan kepada
operator untuk melakukan hal-hal yang harus dilakukannya, sehingga waktu baku yang diperoleh
dapat dikatakan data waktu kerja yang lengkap dan mewakili sistem kerja yang diamati.
Berikut ini adalah tabel dari data faktor penyesuaian dan faktor kelonggaran :

FAKTOR PENYESUAIAN

FAKTOR KELONGGARAN

Keterampilan

+ 0,01

Tenaga yang dikeluarkan

6%

Usaha

+ 0,03

Sikapkerja

1%

Kondisikerja

+ 0,02

Gerakankerja

4%

konsistensi

+ 0,03

Kelelahanmata

1%

Keadaantemperaturtempatkerja

2%

Keadaanatmosfer

2%

Keadaanlingkungan yang baik

2%

Jumlah

18%

Jumlah

+0,09

2.1.5. Data Permintaan

Data Permintaan (Demand) yang diketahui data 12 bulan data masa
lalu adalah sebagai berikut :
Period
e

10

11

12

Dema
nd

64
4

61
6

70
0

61
6

64
4

67
2

64
4

64
4

61
6

64
4

70
0

61
6

Tabel 2.3 Data Permintaan

2.2. Pengolahan Data

2.2.1. Perhitungan Waktu Baku
1. Waktu Siklus

2. Waktu Normal

3. Waktu Baku

2.2.2. Plotting Data

Dari data permintaan sebelumnya dapat kita plotkan berdasarkan
permintaan dan 12 periode yang tersedia seperti pada yang terlihat dalam
diagram dibawah ini.

Gambar 2.6 Plotting Data

2.2.3. Metoda Peramalan yang Digunakan

A. Metoda Simple Average ( SA )
Rumus :

T=2
Periode

Demand

Peramalan

644

616

644,000

700

630,000

616

653,333

644

644,000

672

644,000

644

648,666

644

648,000

616

647,500

10

644

644,000

11

700

644,000

12

616

649,090
646,333

B. Metoda Simple Moving Average

T=3
Demand

Ft + 1

644

616

700

616

644 + 616 + 700 / 3 = 653,333

644

616 + 700 + 616 / 3 = 644

672

700 + 616 + 644 / 3 = 653,333

644

616 + 644 + 672 /3 = 644

644

644 + 672 + 644 /3 = 653,333

616

672 +644 + 644 / 3 = 653,333

644

644 + 644 + 616 / 3 = 634,666

700

634,666

616

653,333
653,333

C. DMA

Perio
de

Dt

S't

S''t

N1

at

2/(N1)

S't S''t

bt

644

322

161

483

161

322

616

630

476

784

154

308

700

14

28

616

966

-322

644

805

-805

672

504

-1442

644

14

-2254

644

-3227

616

-637
1470

966
161
0
241
5
338
8
452
2
581
7
726
6

994

980
128
8
161
0
194
6
226
8
259
0
289
8

-4368

10

644

322
0

887
6

2436

-5656

11

700

357
0

106
61

3521

-7091

12
13
14
15
16
17
18
19
20
21
22
23
24

616

387
8

126
00

4844

-8722

-644
1610
2884
4508
6454
8736
1131
2
1418
2
1744
4

m Ft
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
4347
4480
1330
-6762
-18515
-34104
-54082
-78085
-106302
-138180
-173705
-214172

D .Single Exponential Smoothing

Ft + t = .Dt + ( 1 ) Ft
T=2
644

616

616 . 0,54007 + ( 1- 0,54007 ) . 644 = 628,878

700

700 . 0,54007 + ( 1- 0,54007 ) . 628,878 = 667,288

616

616 . 0,54007 + ( 1- 0,54007 ) . 667,288 = 639,589

644

644 . 0,54007 + ( 1- 0,54007 ) . 639,589 = 641,971

672

672 . 0,54007 + ( 1- 0,54007 ) . 641,971 = 658,188

644

644 . 0,54007 + ( 1- 0,54007 ) . 658,188 = 650,529

644

644 . 0,54007 + ( 1- 0,54007 ) . 650,529 = 647,001

616

616 . 0,54007 + ( 1- 0,54007 ) . 647,001 = 630,258

644

644 . 0,54007 + ( 1- 0,54007 ) . 630,258 = 637,679

700

700 . 0,54007 + ( 1- 0,54007 ) . 637,679 = 671,337

616

616 . 0,54007 + ( 1- 0,54007 ) . 671,337 = 641,451

G. Metode Regresi Linear

X

X2

X.Y

644

644

616

1232

700

2100

616

16

2464

644

25

3220

672

36

4032

644

49

4508

644

64

5152

616

81

5544

10

644

100

6440

11

700

121

7700

12

616

144

7392

= 78

7756

650

50428

=6,5

=646,333

b =

=
=

0,097902

a =

-b

= 646,333 0,097902 . 6,5

= 645,697
y1 = a + b ( 1 )
y2 = a + b ( 2 )
y3 = a + b ( 3 )
y4 = a + b ( 4 )
y5 = a + b ( 5 )
y6 = a + b ( 6 )
y7 = a + b ( 7 )
y8 = a + b ( 8 )

645,697 +
645.7949
645,697 +
645.8928
645,697 +
645.9907
645,697 +
646.0886
645,697 +
646.1865
645,697 +
646.2844
645,697 +
646.3823
645,697 +
646.4802

0,097902 ( 1 ) =
0,097902 ( 2 ) =
0,097902 ( 3 ) =
0,097902( 4 ) =
0,097902( 5 ) =
0,097902( 6 ) =
0,097902( 7 ) =
0,097902( 8 ) =

645,697 +
646.5781
645,697 +
646.676
645,697 +
646.7739
645,697 +
646.8718
645,697 +
646.9697
645,697 +
647.0676
645,697 +
647.1655
645,697 +
647.2634
645,697 +
647.3613
645,697 +
647.4592
645,697 +
647.5571
645,697 +
647.655
645,697 +
647.7529
645,697 +
647.8508
645,697 +
647.9487
645,697 +
648.0466

y9 = a + b ( 9 )
y10 = a + b
( 10 )
y11 = a + b
( 11 )
y12 = a + b
( 12 )
y13 = a + b
( 13)
y14 = a + b
( 14)
y15 = a + b
( 15 )
y16 = a + b
(16 )
y17 = a + b
(17 )
y18 = a + b
(18 )
y19 = a + b
( 19 )
y20= a + b (20
)
y21 = a + b
(21 )
y22 = a + b
(22 )
y23 = a + b
(23 )
y24= a + b
( 24)

2.2.4
1.

0,097902( 9 ) =
0,097902( 10 ) =
0,097902( 11 ) =
0,097902( 12 ) =
0,097902( 13 ) =
0,097902( 14 ) =
0,097902( 15 ) =
0,097902( 16 ) =
0,097902( 17 ) =
0,97902( 18 ) =
0,097902( 19 ) =
0,097902( 20 ) =
0,097902( 21 ) =
0,097902( 22 ) =
0,097902( 23) =
0,097902( 24 ) =

Uji Kesalahan Peramalan

Metoda Simple Average

Demand
644
616
700

-28
70

784
4900

-28
84

-2.54545
7

254.545
700

-37.3333

1393.77777
8

-84

-7.63636

763.636

28

2.333333

233.3333

616
644

672

28

784

28

2.545455

254.5455

-4.66667

21.7777777
8

-28

-2.33333

233.333

644

-4

16

616

-31.5

992.25

-28

-2.33333

233.333

644

28

2.545455

254.5455

700

56

3136

56

4.666667

466.6667

-33.0909

1095.00826
4

-84

-7.63636

763.636

15.40909

13122.8138
2

-28

-3.39394

339.394

-28
84

-2.54545
7

254.545
700

-84

-7.63636

763.636

28

2.333333

233.3333

644

Total

A.

Mean Absolute Error (MAE)

B.

Mean Squarred Error (MSE)

C.

Strandard Deviation Error (SDE)

D.

Mean Absolute Persentage Error

2.

Single Moving Average

Demand
644

616
700
616
644

-37.3333
0

1393.778
0

672

18.66667

348.4444

28

2.545455

254.5455

644

-28

-2.33333

233.333

644

-9.33333

87.11111

616

-37.3333

1393.778

-28

-2.33333

233.333

644

9.333333

87.11111

28

2.545455

254.5455

700

65.33333

4268.444

56

4.666667

466.6667

-37.3333

1393.778

-84

-7.63636

763.636

-28

7578.667

-28

-3.39394

339.394

Total
A.

Mean Absolute Error (MAE)

B.

Mean Squarred Error (MSE)

C.

Strandard Deviation Error (SDE)

D.

Mean Absolute Persentage Error

4.

Single Exponential Smoothing

Demand
644
616

700

-28
71.122

784
5058.339

-28
84

-2.54545
7

254.545
700

616

-51.2889

2630.551

-84

-7.63636

763.636

644

4.4107

19.45427

28

2.333333

233.3333

672

30.0286

901.7168

28

2.545455

254.5455

644

-14.1889

201.3249

-28

-2.33333

233.333

644

-6.5259

42.58737

616

-31.0015

961.093

-28

-2.33333

233.333

644

13.7415

188.8288

28

2.545455

254.5455

700

62.3201

3883.795

56

4.666667

466.6667

-55.3371

3062.195

-84

-7.63636

763.636

-4.7194

17733.88

-28

-3.39394

339.394

Total
A.

Mean Absolute Error (MAE)

B.

Mean Squarred Error (MSE)

C.

Strandard Deviation Error (SDE)

D.

Mean Absolute Persentage Error

7.

Regresi Linier

Demand
644
616

-1.7949
-29.8928

3.221673
893.5797

700

54.00929

2917.004

-28
84

-2.54545
7

254.545
700

616

-30.0886

905.3243

-84

-7.63636

763.636

644

-2.18651

4.780826

28

2.333333

233.3333

672

25.71559

661.2915

28

2.545455

254.5455

644

-2.38231

5.67542

-28

-2.33333

233.333

644

-2.48022

6.151471

616

-30.5781

935.0213

-28

-2.33333

233.333

644

-2.67602

7.161083

28

2.545455

254.5455

700

53.22608

2833.015

56

4.666667

466.6667

616

-30.8718

953.0695

-84

-7.63636

763.636

10125.3

-28

-3.39394

339.394

Total

-1.7949

A.

Mean Absolute Error (MAE)

B.

Mean Squarred Error (MSE)

C.

Strandard Deviation Error (SDE)

D.

Mean Absolute Persentage Error

2.2.5 Pemilihan Metode Peramalan Terbaik

2.2.6 Uji Validasi (Moving Range Test)
2.2.7 Peramalan Dengan Menggunakan Software WinQSB

1.

Simple Average

2. Single Moving Average

4.

Single Exponential Smoothing

5.

Double Exponential Smoothing from Brown

7.

Regresi Linier