PERAMALAN PRODUKSI ROTI MENGGUNAKAN METODE

DESEASONALIZING (Studi Kasus Pabrik Roti Mr. Bread Bantargebang, Bekasi)

Muhammad Ridwan, Niken Yulia Astuti, Indriani Tiara Putri
Jurusan Matematika, FMIPA, Universitas Negeri Semarang, Semarang, Indonesia

Abstrak: Mr. Bread adalah sebuah industri manufaktur yang memproduksi berbagai jenis
varian roti, baik roti tawar maupun roti manis. Permasalahan yang ada adalah tingkat
produksi roti yang tidak seimbang sehingga tercipta retur / lost sales yang besar dan
mengakibatkan biaya produksi berlebih. Dengan demikian, dilakukan penelitian untuk
menentukan tingkat produksi dan retur optimal sehingga tercipta minimasi biaya produksi.
Untuk keperluan produksi setiap hari, perusahaan harus mempertimbangkan berapa banyak
bahan baku yang akan digunakan, khususnya telur, tepung terigu, gula pasir, dan mentega
yang merupakan empat bahan baku utama dalam melakukan produksi roti. Oleh karena itu,
perusahaan harus memperhitungkan jumlah penjualan pada setiap periode agar persediaan
bahan baku dikelola dengan baik tanpa harus mengeluarkan biaya biaya yang tidak perlu
termasuk biaya pengiriman bahan baku dari supplier ke perusahaan. Metode peramalan yang
sesuai dalam memperkirakan produksi penjualan pada periode yang akan datang, dilakukan
setelah menentukan persediaan bahan baku dan perhitungan dengan metode deseasonalized.
Dalam kasus ini, perusahaan memproduksi empat macam roti yaitu roti bolu, roti gulung, roti
mandarin, dan roti tiga rasa.
Kata Kunci: Mr. Bread, metode peramalan, deseasonalized.
1. PENDAHULUAN
Peramalan (forecasting) memiliki arti yang berbeda beda dalam dunia bisnis
dan memiliki arti yang lebih khusus daripada hanya memprediksi. Peramalan merupakan
aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga
produk produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan
dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel
peramal, sering berdasarkan data time series (Gaspersz, 1998). Umumnya pola dan siklus
penjualan cenderung tetap. Berdasarkan data time series, biasanya penjualan produk
cenderung membentuk pola penjualan yang tepat. Dengan demikian, ramalan dapat
dikatakan sebagai perhitungan yang memiliki dasar kuat dan lebih pasti, sehingga
hasilnya diharapakan lebih obyektif dibandingkan dengan hanya sekedar melakukan

prediksi. Dengan mencatat penjualan di waktu yang lampau, maka dapat lebih tepat
dalam menentukan penjualan di waktu yang akan datang. Dengan demikian pendekatan
metode peramalan (forecasting) dengan model deseasonalizing dapat menunjang untuk
mengatasi optimasi peramalan penjualan biaya produksi.
Peramalan bukanlah suatu dugaan, karena dugaan hanya mengestimasikan masa
mendatang berdasarkan perkiraan saja, sedangkan peramalan menggunakan perhitungan
matematis sebagai bahan pertimbangan. Kegiatan peramalan merupakan bagian integral
dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada
hal hal yang belum pasti (intuitif). Peramalan memiliki sifat saling ketergantungan
antar divisi atau bagian. Kesalahan dalam proyeksi penjualan akan mempengaruhi pada
ramalan anggaran, pengeluaran operasi, arus kas, persediaan, dan sebagainya.
Adapun tujuan penelitian ini adalah mengetahui model ramalan normalisasi data
penjualan serta memprediksi produksi penjualan. Penulis menggunakan metode
peramalan (forecasting) untuk memperkirakan penjualan pada periode yang akan datang
dengan metode yang ada di peramalan dan menentukan persediaan bahan baku yang
tepat.

Dengan

perhitungan

peramalan

penjualan

roti

menggunakan

model

deseasonalizing, selanjutnya perhitungan dibantu dengan program Ms. Excel untuk

mengetahui solusi peramalan penjualan roti. Pendistribusian hasil produksi dengan
menggunakan jalur darat yang telah dipilih perusahaan yang sesuai dengan kebutuhan
perusahaan saat ini.
2. METODOLOGI
2.1 Metode Trend
Trend merupakan suatu metode analisis yang ditujukan untuk melakukan
suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik, maka dibutuhkan berbagai macam informasi (data) yang
cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang,
sehingga hasil analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang
terjadi dan faktor faktor apa saja yang mempengaruhi terhadap perubahan tersebut.
Model trend dapat dirumuskan sebagai berikut:
Y^ =a+bt ,

 Y =na+b t

dengan

dan

t Y =a t +b t 2

. Sehingga diperoleh nilai

a dan b sebagai berikut:

b=

t y

t y

t
2

a=

( t )

Y b t

( )

dimana

: data time series yang akan diperkirakan

t : variabel waktu
a

: konstanta

: koefisien

2.2 Metode Rata Rata Bergerak Sederhana

Teknik rata rata bergerak sederhana (simple moving avarange) merupakan
salah satu jenis metode yang digunakan untuk membuat suatu peramalan dengan
menggunakan data masa lalu untuk memperkirakan atau memproyeksikan data di
masa yang akan datang. Metode ini termasuk metode peramalan yang menggunakan
waktu sebagai peramalan (Baroto, 2001).
Dalam metode ini, indeks musiman dihitung berdasarkan rata rata tiap
periode musim setelah bebas dari pengaruh trend. Indeks musiman dapat digunakan
untuk menguraikan ramalan penjualan tahunan menjadi ramalan penjualan per bulan
pada tahun mendatang. Adapun langkah langkah yang harus dilakukan sebagai
berikut:
1) Susunlah data historis yang ada ke dalam tabel pada kolom 1 menyatakan tahun,
kolom 2 menyatakan periode musiman (kuartalan), dan kolom 3 menyatakan
data yang ada;
2) Hitunglah jumlah bergerak selama satu tahun dan letakkan hasilnya pada kolom
4 pada pertengahan data;

3) Hitunglah rata rata bergerak dengan membagi pada kolom 4 dengan 4 dan
meletakkan hasilnya pada kolom 5;

4) Hitunglah rata rata bergerak pusat dengan menjumlahkan 2 periode pada

kolom 5 kemudian dibagi 2, letakkan hasilnya pada kolom 6 pada pertengahan 2
periode;
5) Hitung indeks musiman dengan rumus
data asli penjualan
indeks musiman=
ratarata bergerak pusat
letakkan hasilnya pada kolom 7;

6) Indeks musiman tersebut kita susun pada tabel indeks dibagi menurut tahun dan
periode musiman yang dikehendaki;

7) Kita lihat satu persatu menurut musim pada tahun tersebut lalu jumlahkan
menurut musimnya;
8) Kita cari rata rata tiap musimnya, setelah itu jumlahkan rata rata tiap
musimnya tersebut;
9) Indeks setiap triwulan (kuartalan) dapat dihitung dengan rumus
banyaknya kuartal
indeks=ratarata tiap kuartal
.
jumlah ratarata seluruh kuartal

2.3 Metode Deseasonalizing

Metode deseasonalizing adalah salah satu metode peramalan (forecasting)
dengan cara menghilangkan pengaruh variasi musiman, jumlah data masing
masing kuartal (yang berisi trend, siklis, pengaruh tak tentu, dan musiman) dibagi
oleh indeks tiap kuartal, dimana angka indeks merupakan angka yang menunjukkan
nilai relatif dari variabel

yang merupakan data berkala seluruh bulan dalam

satu tahun (dapat lebih dari 1 tahun). Adapun langkah langkah yang harus
dilakukan sebagai berikut:
1) Susunlah data historis yang ada ke dalam tabel pada kolom 2 menyatakan
periode musiman (kuartalan), kolom 3 menyatakan data yang ada, dan kolom 4
menyatakan indeks tiap kuartal;
2) Hitung deseasonalizing ( Y ) dengan cara membagi data yang ada dengan
indeks tiap kuartal, letakkan hasilnya pada kolom 5.

Setelah diperoleh hasil deseasonalizing ( Y ), maka dapat diketahui juga

nilai dari

tY

, dan

t2

sehingga dapat diperoleh model

trendnya.
3. HASIL DAN PEMBAHASAN
Data jumlah roti yang terjual di pabrik roti Mr. Bread dari tahun 2010 2013
(tiap kuartal) adalah sebagai berikut:

3.1 Peramalan Penjualan Produksi Roti Bolu

Berdasarkan langkah di atas, maka hasil perhitungan dengan menggunakan
metode

deseasonalizing

Y =115.196,32

untuk

Roti

tY =848.456 , 98

Bolu
;

dan

t=91

diperoleh

t 2=819

sehingga

Y^ =7 . 242 ,69+ 231,22 t .

3.2 Peramalan Penjualan Produksi Roti Gulung
Berdasarkan langkah di atas, maka hasil perhitungan dengan menggunakan
metode

deseasonalizing

untuk

Roti

Gulung

diperoleh

t=91

 Y =102.082,36

tY =733.4 54,4 0

t 2=819

dan

sehingga

Y^ =7 . 126, 42+103,7 2t .
3.3 Peramalan Penjualan Produksi Roti Mandarin
Berdasarkan langkah di atas, maka hasil perhitungan dengan menggunakan
metode

deseasonalizing

Y =296.543,90

untuk

Roti

Mandarin

tY =2 . 095.466 ,53

t=91

diperoleh

; dan

t 2=819

; sehingga

Y^ =22 . 05 4,95+108,0 2 t .
3.4 Peramalan Penjualan Produksi Roti Tiga Rasa
Berdasarkan langkah di atas, maka hasil perhitungan dengan menggunakan
metode

deseasonalizing

Y =269.974 , 97

untuk

Roti

Tiga

Rasa

tY =1.991 .894,90

; dan

diperoleh

t 2=819

t=91 ;
; sehingga

Y^ =16.841 , 53+560 , 82t .

4. KESIMPULAN
Berdasarkan hasil dan pembahasan, dapat disimpulkan sebagi berikut:
1. Model ramalan untuk masing masing roti pada pabrik roti Mr. Bread adalah
^
a. Model ramalan Roti Bolu untuk satu bulan Y =7.242 , 69+231, 22t .
^
b. Model ramalan Roti Gulung untuk satu bulan Y =7 . 126, 42+103,7 2t .
^
c. Model ramalan Roti Mandarin untuk satu bulan Y =22 . 05 4,95+108,0 2 t .
^
d. Model ramalan Roti Tiga Rasa untuk satu bulan Y =16.841 , 53+560 , 82t .
2. Hasil perhitungan peramalan penjualan roti pada bulan Januari 2013 Desember
2013
Kuarta

Bolu

Gulung

Mandarin

Tiga Rasa

8642,78

6839,47

20035,23

21053,88

II

9117,44

7187,46

20541,75

21680,52

III

10216,12

8152,01

21805,97

23817,01

IV

14584,9

12442,80

32185,42

33725,93

DAFTAR PUSTAKA
Baroto, Teguh. 2001. Perencanaan dan Pengendalian Produksi. Ghalia Indonesia.
Dirpan, Andi. 2007. Metode Peramalan Kuantitatif dengan Software QM. Fakultas Pertanian,
Universitas Hasanuddin.
Gaspersz. 1998. Total Quality Management. Jakarta: PT Gramedia Pustaka Utama.
Noviandari, Evyta. 2009. Metode Peramalan Terbaik antara Metode Runtun Waktu dan
Metode Deseasonalizing sebagai Metode Peramalan pada Perhitungan Tingkat Suku
Bunga di Bursa Efek Indonesia. Skripsi. Matematika FMIPA Universitas Negeri
Semarang.