[Type here] Laporan praktikum

sistem produksi II - Modul

LAPORAN SEMENTARA]

BAB I

FORECASTING

A. Pendahuluan
1. Latar Belakang
Teknik industri merupakan bahasan mengenai bagaimana agar
suatu pekerjaan membuat suatu produk menjadi lebih efisien dan
efektif. Teknik industri muncul akibat kompleksitas, skala suatu
pekerjaan yang semakin besar. Maka dalam teknik industri
mempelajari tentang peramalan (forecasting), dalam peramalan
tersebut kita mampu memprediksi suatu proses pembuatan suatu
barang.
2. Landasan Teori
a) Peramalan (forecasting)
Peramalan (forecasting) dalah seni dan ilmu memprdiksi
peristiwa-peristiwa yang akan terjadi dengan mengguakan data
historis dan memproyeksikannya ke masa depa dengan
menggunakan beberapa bentuk model matematis. Untuk
melakukan peramalan diperlukan metode tertentu dan metode
mana yang digunakan tergantung dari data dan informasi yang
akan diramal sserta tujuan yang hendak dicapai. Dalam prakteknya
terdapat berbagai metode peramalan.
b) Metode Peramalan
Terdapat 2 macam metode peramlan, yaitu :
1) Metode Kuantitatif
Metode peramalan kuatitatif dapat dikelompokka menjadi
dua jenis, yaitu :
Model seri waktu/metode deret berkala (time series) :
merupakan metode yang dipergunakan untuk
menganalisis seragkaian data yang merupakan fungsi
waktu. Model time series terbagi menjadi :

- Simple Average (SA)

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Rumus manual untuk mendapatkan hasil peramalan

dengan metode SA adalah sebagai berikut :
- Rata-rata bergerak (moving average)
Terdir dari :
Simple moving average bertujuan untuk
mengurangi variasi acak permintaan terhadap
waktu. Rumus manual untuk mendapatakan
hasil peramalan dengan metode MA adalah
sebagai berikut :

t+ n
T=t+n1
T =t
DT
F =
n
- Weightet moving average mempunyai
kelemahan yaitu setiap data dianggap memiliki
bobot yang sama. Rumus manual untuk
mendapatkan hasil peramalan dengan metode
WMA adalah sebagai berikut :

WT D

T=t+n1
T =t
( T )
t+ n
F =
T =tT +=tn1 W T

- Penghalusan Eksponensial (exponetial smoothing)

Penghalusan eksponensial merupakan metode
peramalan dengan menambahkan parameter alpha
dalam modelnya untuk mengurangi faktor
kerandoman. Rumus maual untuk mendapatkan
hasil peramalan dengan metode SES (single
exponential smoothing) adalah :
F t = F t1 + ( D tF t1 )

Metode Kausal

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Suatu permintaan barang/produk diramalka

menggunakan dat historis produk lain yag dianggap
memiliki hubungan sebab akibat dengan
barang/produk tersebut. Terdapat beberapa jeis
metode kausal :
a.) Metode Regresi
b.) Model Input Output
c.) Model Ekoometri
2) Metode Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi
oleh intuisi, emosi, pendidikan dan pengalaman seseorang.
Metode peramalan kualitatif ini terdiri dari beberapa
macam, yaitu :
Juri dari opini eksekutif
Gabungan tenaga penjualan
Metode delphi
Survai pasar (market survey)
c) Prosedur Peramalan
Dalam melakukan pramalan terdiri dari beberapa tahapan
khususnya jika mengguakan metode kuantitatif, yaitu sebagai
berikut :
1) Mendefinisikan tujuan peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi
untuk mengukur tingkat suatu permintaan.
2) Membuat plot data historis
Yakni dengan membuat plot demand versus waktu, dimana
demand sebagai ordinat (Y) dan waktu sebagai axis (X),
sehingga data demand dapat diketahui.
3) Memilih model peramalan yang tepat
Melihat dari kecenderungan data pada plot diagram yang telah
dibuat, maka dapat dipilh beberapa model peramalan yang
diperkirakan dapat mewakili pola tersebut :
- Apabila data tidak mengandung unsur tren, maka teknik
peramalan yang dapat digunakan adalah exponential
smoothing dan moving average.
- Apabila data time series mengandung unsur tren, maka
peramalan yang dapat digunakan adalah teknik trend

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

linier, tren kuadatik, tern eksponensial, atau model

autogresif.
4) Melakukan peramalan
5) Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa
dekat nilai hasil peramalan terhadap nilai data yang sebenarnya.
Terdapat beberapa cara dalam menghitung forecast error,
diantaranya adalah sebagai berikut :
Mean Absolute Deviation (MAD)
n

DiFi
i=n
n
MAD=

Mean Squared Error (MSE)

n

( DiFi)2
MAD= i=1
n

Mean Absolute Percent Error (MAEP)

n
100 |DiFi|/Di
i=1
MAEP=
n

Cummulative Sum of Error (CFE)

n
CFE= (DiFi)
i=1

6) Memilih metode peramalan dengan kesalahan yang terkecil.

Apabila nilai kesalahan tersebut tidak berbeda secara signifikan
pada tingkat ketelitian tertentu, maka pilihlah secara sembarang
metode-metode tersebut.
7) Melakukan verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode
peramalan tersebut sesuai dengan pola data sebenarnya.

B. Tujuan Praktikum

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Tujuan utamaya yaitu mahasiswa mampu memahami teori

forecasting dalam aplikasi bidang ilmu Teknik Industri. Sedangkan tujuan
khususnya, yaitu :
1. Meamahami konsep forecasting.
2. Memahami bagaimana cara menyelesaikan permasalahan forecasting
dengan menggunakan software WinQSB.

C. Hasil dan Pembahasan

1. Data percobaan

2. Hasil Percobaan
a. Sampel Average

Gambar 1.1 Hasil Peramalan SA

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Gambar 1.2 Grafik SA

b. 3-Moving Average

Gambar 1.3 Hasil Peramalan 3-MA

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Gambar 1.4 Grafik 3-MA

c. 5-Moving Average

Gambar 1.5 Hasil Peramalan 5-MA

Gambar 1.6 Grafik 5-MA

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

d. 2-Weight Moving Average

Gambar 1.6 Hasil Peramalan 2-WMA

Gambar 1.7 Grafik 2-WMA

e. 4-Weight Moving Average

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Gambar 1.8 Hasil Peramalan 4-WMA

Gambar 1.9 Grafik 4-WMA

f. Single Exponential Smoothing

Gambar 1.10 Hasil Peramalan SES

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND

[Type here] Laporan praktikum
sistem produksi II - Modul

Gambar 1.11 Grafik SES

No Metode MAD
1 SA 7062.29
2 3-MA 6540.519
3 5-MA 5982.343
4 2-WMA 10852.48
5 4-WMA 7691.351
6 SES 10863.55
Nilai MAD Terkecil 5982.343
Metode Peramalan Terpilih 5-MA

Analisis : Dapat dilihat dari lima metode yaitu SA, 3-MA, 5-MA, 2-WMA, 4-
WMA , SES diperoleh hasil nilai MAD terkecil diketahui 5-MA dengan
nilai 5982.343 Hasil tersebut dapat diperoleh berdasarkan rata-rata
permintaan pelanggan berdasarkan data masalalu yang terbaru. Data
yang telah diolah menunjukkan permintaan konsumen cenderung stabil.

D. Daftar Pustaka
Jurnal berjudul Analisis Forecasting Penjualan Produk Penjualan oleh
Jonnius dan Fauzar Ali, Dosen Fakultas Syariah dan Ilmu Hukum UIN
Suska Riau

E. Lampiran

Jurusan Teknik Industri Institut Sains & Teknologi AKPRIND