1

Rahma Rei Sakura, S.T., M.T.

NIP. 153112

MANAJEMEN OPERASIONAL PRODUKSI - 16027304

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 2
 Ramalan
Prediksi
Dugaan
Perkiraan

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 3

 Prakiraan Ramalan dalam Bisnis,
dapat dijadikan dasar untuk :

a. Penyusunan Anggaran atau Budget

b. Perencanaan Kapasitas
c. Perencanaan Penjualan
d. Produksi dan Inventory
e. Perencanaan Personalia
f. Perencanaan Pembelian

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 4

Forecasting adalah proses untuk mengenali pola permintaan (demand pattern) pada
masa lalu untuk meramalkan permintaan pada masa yang akan datang.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 5

Perubahan kecil pada demand planning menyebabkan perubahan besar pada produksi
dan distribusi.
Tujuan demand planning adalah menghasilkan peramalan permintaan yang seakurat
mungkin

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 6

 KARAKTERISTIK
FORECASTING

1. Forecasting (peramalan) dapat selalu salah. Dengan demikian, peramalan harus dapat
mencakup nilai yang diharapkan dan ukuran dari kesalahan peramalan.
2. Peramalan dalam jangka panjang biasanya kurang akurat. Karena peramalan jangka
panjang, terdapat standart deviasi dari kesalahan rata-rata relative dari prakiraan
jangka pendek.
3. Pengumpulan peramalan biasanya lebih akurat daripada pemisahan prakiraan.
Pengumpulan peramalan cenderung mempunyai standart deviasi yang kecil dari
kesalahan rata-rata relative.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 7

 Peramalan permintaan yang baik, terjadi ketika perusahaan tersebut dapat
mengidentifikasi faktor-faktor yang mempengaruhi permintaan dimasa depan dan
kemudian memastikan hubungan antara faktor-faktor tersebut dengan permintaan masa
depan.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 8

Jenis-jenis Prakiraan Ramalan

Prakiraan Ramalan Jangka Pendek

Prakiraan Ramalan Jangka Menengah

Prakiraan Ramalan Jangka Panjang

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 9

Prakiraan Ramalan
Jangka Pendek

Mencakup jarak waktu dari tiga bulan sampai satu tahun.

Dapat digunakan untuk :
a. Penyusun rencana pembelian
b. Penjadwalan tugas pekerjaan (job scheduling)
c. Penetapan tenaga kerja
d. Pemberian tugas (job assignment)
e. Tingkat produksi (production level)

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 10

Prakiraan Ramalan
Jangka Menengah

Mencakup jarak waktu dari satu tahun sampai tiga tahun.

Dapat digunakan untuk :
a. Penyusun rencana penjualan
b. Perencanaan produksi
c. Penganggaran yang meliputi anggaran kas (budgeting)
d. Analisis berbagai rencana produksi

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 11

Prakiraan Ramalan
Jangka Panjang

Mencakup jarak waktu dari tiga tahun atau lebih.

Dapat digunakan untuk :
a. Perencanaan produk baru
b. Anggaran pengeluaran modal
c. Perencanaan lokasi fasilitas
d. Research and Development

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 12

 Terdapat 5 pola permintaan utama yaitu konstan, trend, musiman (seasonal), seasonal
trend dan intermittend (terkadang).

Untuk setiap pola permintaan terdapat beberapa metode yang dapat dipakai.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 13

10000

9000

8000

7000

6000
Jika pola data berlanjut ke
5000 masa depan

4000

3000

2000

1000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Gambar diatas menunjukkan bahwa permintaan produksi memiliki pola yang berbeda-beda setiap
bulan. Sehingga perlu adanya ramalan permintaan (forecasting) agar perusahaan tidak
mengeluarkan biaya produksi yang tinggi.
Pola permintaan pada masa lalu akan terus berlanjut ke masa depan.
MANAJEMEN OPERASIONAL PRODUKSI - 16027304 14
Klasifikasi Metode Forecast

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 15

Kualitatif :
Bersifat subyektif
Menggunakan opini seorang atau beberapa ahli sehingga sangat bergantung pada
persepsi masing-masing ahli
Tidak memerlukan data kuantitatif yang lengkap
Biasa digunakan untuk meramalkan produk baru dan demand jangka panjang

Kuantitatif :
Bersifat obyektif
Terdapat dua kelompok yaitu time series dan causal method
Menggunakan model statistik-matematik
Memerlukan data kuantitatif yang lengkap
Biasa digunakan untuk meramalkan permintaan pada jangka pendek

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 16

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 17
1. Reading the actual
Data yang digunakan harus data yang masih relevan dan usahakan mencakup satu musim penuh (satu
tahun).
Pola musiman dikenali sebagai trend
karena data tidak cukup banyak

Demand

Data yang dimiliki

Pola sebenarnya (musiman)

Periode

Jika data yang dimiliki kurang dari setahun maka diperlukan pengetahuan tambahan (kualitatif)
mengenai pola permintaan produk, misalnya untuk minuman dingin maka diduga kuat jika memiliki
pola musiman.
MANAJEMEN OPERASIONAL PRODUKSI - 16027304 18
2. Corrected History dan Outlier (deviasi)
Rata-rata penghasilan lima orang karyawan PT. XYZ adalah 7 juta.
Pernyataan ini diintepretasikan oleh kebanyakan orang bahwa lima orang tersebut
berpenghasilan sekitar 7 juta.
(benar jika data tidak mengandung deviasi (penyimpangan)).

25 2 2 2,5 3,5
7
5
Data Outlier

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 19

 Outlier adalah data aneh yang muncul sebagai akibat adanya kejadian dan atau
kegiatan yang tidak regular. Misalnya bencana alam, pemilu, perang, promosi dll.

Jika outlier ikut diperhitungkan maka akan diperoleh hasil peramalan yang tidak akurat.
(bisa merusak pola data secara keseluruhan).

Outlier harus dikoreksi untuk mendapatkan data yang benar-benar menggambarkan pola
permintaan masa lalu.

Koreksi sebaiknya dilakukan secara manual, yaitu dengan memasukan estimasi nilai jika
kejadian khusus tersebut tidak terjadi. (berdasarkan pengalaman).

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 20

Data outlier harus diganti untuk menghindari missing value.
Ada beberapa cara untuk mengganti data yang outlier:

Gunakan nilai rata-rata gunakan cara ini untuk pola data konstan.

Jumlahkan permintaan pada periode sebelum dan sesudah data kemudian bagi dua
gunakan metode ini untuk pola data trend dan musiman.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 21

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 22
3. Pemilihan Metode Forecast

Pola data dapat ditentukan dengan cara mengeplot data dan memahami karakteristik produk
(misal : lampu natal pasti musiman, lampu standard pasti konstan).

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 23

 Data Historis
7,000

6,000

5,000

4,000

3,000

2,000

1,000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 24

 Forecasting dengan berbagai Metode
7000

Data Historis

6000
Seasonal Linear
Regression 12 Periode

5000
Exponential
Smoothing
Linear Regression
4000 (trend)

3000

2000

1000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 25

 Metode Terbaik
7000

6000

5000

4000

3000

2000

1000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 26

4. Corrected Forecast (Adjustment)
Faktor-faktor yang perlu diperhatikan dalam melakukan adjustment (penyesuaian) :

Kondisi perekonomian
Siklus hidup produk
Kompetisi
Performansi produk
Kualitas produk
Reputasi produk
Kepercayaan konsumen
Harga
Promosi
Teknologi baru
Produk substitusi
Promosi pesaing

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 27

5. Use as Demand Plan
Setelah adjustment, hasil forecast digunakan sebagai input awal dalam perencanaan
produksi dan distribusi.
Besarnya demand suatu produk pada masa yang akan datang yang akan benar-benar
dipenuhi ditentukan lagi dengan mempertimbangkan ketersediaan sumber daya (mesin,
bahan baku, tenaga kerja, produk lain yang lebih menguntungkan, penjadwalan
mesin).

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 28

 Pemilihan Teknik
Forecasting

1. Teknik forecasting yang dipilih harus dapat menghasilkan keakuratan tinggi dan
menghasilkan deviasi yang rendah antara hasil forecasting dengan realita.
2. Selain melihat dari segi akurasi, teknik forecasting juga dapat dipilih berdasarkan
tingkat ketanggapan (responsiveness) terhadap perubahan data.
3. Jika data memperlihatkan pola yang berulang, teknik forecasting yang dipilih juga
harus mempertimbangkan unsur trend.
4. Setelah teknik forecasting dipilih, kita tetap harus melakukan proses pengendalian
terhadap proses forecasting.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 29

 Pengendalian
Teknik Forecasting

1. Pengendalian teknik forecasting dapat dilakukan sebagaimana pengendalian terhadap

proses-proses dimanufaktur dengan menggunakan control chart.
2. Dengan menggunakan control chart, proses forecasting dapat dibedakan antara yang
masih signifikan bermanfaat dengan keadaan abnormal yang sulit dijadikan
pegangan.
3. Oleh sebab itu, beberapa teknik forecasting sebaiknya secara bersamaan digunakan
dan dilihat perkembangannya dengan control chart agar kita dapat beralih ke teknik
yang lain ketika suatu teknik forecasting gagal.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 30

Pola Data Konstan

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 31

 Metode untuk Pola Permintaan Konstan :

Simple Average
Moving Average
Weighted Moving Average
Exponensial Smoothing

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 32

 Pola Data Konstant

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 33

 SIMPLE Prediksi permintaan masa depan didasarkan atas rata-rata dari
AVERAGE semua permintaan pada bulan sebelumnya.

Kelebihan:
Mudah

Kekurangan:
Semua data permintaan masa lalu diberi bobot yang sama.
Seharusnya data yang lebih baru diberi bobot yang lebih
besar karena lebih mewakili masa depan (lebih relevan).

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 34

 N

Ai Period
1
Demand
10
SA

Ft i 1
2 12 10.0
N 3 14 11.0
4 15 12.0
Contoh : 5 16 12.7
6 17 13.4
F3 = (10 + 12)/2 = 11 7 19 14.0
8 21 14.7
F4 = (10 + 12 + 14)/3 = 12 9 23 15.5

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 35

MOVING
Prediksi permintaan menggunakan rata-rata n periode terbaru.
AVERAGE

Moving Average 3 bulan:

Prediksi permintaan bulan juni:
FJun = (AMar + AApr + AMay)/3

Jan Feb Mar Apr Mei Jun Jul

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 36

 Contoh :

t 1 Period Demand 3 MA
A i
1
2
10
12
Ft i t n
3 14
n 4 15 12,00
5 16 13,67
6 17 15,00
7 19 16,00
8 21 17,33
9 23 19,00

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 37

Simple Moving Average Problem

Week Demand A t-1 + A t-2 + A t-3 +...+A t- n

1 650 Ft =
2 678 n
3 720
Question: What are the 3-week and 6-week moving
4 785 average forecasts for demand?
5 859
6 920
7 850
8 758
9 892
10 920
11 789
12 844

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 38

Simple Moving Average Problem

Week Demand Hitung nilai forecasting dengan menggunakan metode =

1 650 1. Simple Average
2 678 2. 3-weeks Moving Average
3 720 3. Weighted Moving Average dengan bobot = (0.1, 0.2, 0.3, 0.4)
4 785
5 859
6 920
7 850
8 758

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 39

 Answer
3 weeks - 6 weeks -
Week Demand SA
MA MA
1 650
2 678 650.00
3 720 664.00
4 785 682.67 682.67
5 859 708.25 727.67
6 920 738.40 788.00
7 850 768.67 854.67 768.67
8 758 780.29 876.33 802.00
9 892 777.50 842.67 815.33
10 920 790.22 833.33 844.00
11 789 803.20 856.67 866.50
12 844 801.91 867.00 854.83

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 40

Simple Moving Average
Problem
Week Demand 3-Weeks 6-Weeks
1 650
2 678
3 720 F4=(650+678+720)/3
4 785 682,67
=682.67
5 859 727,67
6 920 788,00
7 850 854,67 768,67 F7=(650+678+720
8 758 876,33 802,00 +785+859+920)/6
9 892 842,67 815,33
10 920 833,33 844,00 =768.67
11 789 856,67 866,50
12 844 867,00 854,83

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 41

 Weighted Moving Average

FJun = (AMar + AApr + AMay)/3

= (3AMar + 3DApr + 3AMay)/9 semua periode diberi bobot yang sama

Kenapa tidak memberikan bobot yang berbeda?

Fjun = (2AMar + 3AApr + 4AMay)/9
Fjun = 2/9 AMar + 3/9 AApr + 4/9 AMay

Jumlah bobot harus sama dengan 1.

Ft = (w1At-3 + w2At-2 + w3At-1)/(w1+w2 +w3)

W = + w1 + w2 + w3 and w1 =w1 / W
Ft = w1At-3 + w2At-2 + w3At-2
MANAJEMEN OPERASIONAL PRODUKSI - 16027304 42
 22 Periode Demand Simple 3 MA WMA

20 1 10
2 12 10
18
3 14 11
16 4 15 12 12,0 12,4
14 5 16 12,8 13,7 14,0
6 17 13,4 15 15,2
12
7 19 14 16 16,2
10 8 21 14,7 17,3 17,7
0 2 4 6 8 10 9 23 15,5 19 19,4
Dem Simple 3 MA WMA

Bobot 2/9, 3/9, 4/9

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 43

 Exponential Smoothing

Ft Ft 1 At 1 Ft 1
Ft 1 Ft 1 At 1
At-1 Permintaan aktual period t-1
Ft-1 Prediksi permintaan periode t-1
Smoothing constant 0< <1
(Smoothing Constant () between 0.1-0.3)

Forecast is old forecast plus a portion of the error of the last forecast.

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 44

 22
=0.3
Period Demand Simple 3 MA WMA Exp Sm
20 1 10
2 12 10.0 10
18
3 14 11.0 10.6
16 4 15 12.0 12.0 12.4 11.6
5 16 51.0 13.7 14.0 12.6
14 6 17 13.4 15.0 15.2 13.6
7 19 14.0 16.0 16.2 14.7
12 8 21 14.7 17.3 17.7 16.0
9 23 15.5 19.0 19.4 17.5
10
0 2 4 6 8 10
Dem Simple 3MA
WMA ES

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 45

 Month Demand Hitung nilai forecast dari data penjualan disamping dengan
Jan 1800 menggunakan Metode :
Feb 1600 1. Weighted Moving Average dengan bobot (0.1, 0.2, 0.3, 0.4)
Mar 2600 2. Exponential Smoothing dengan ( = 0.2)
Apr 2500
May 800
Jun 1800
Jul 1200
Aug 1400
Sep 2500
Oct 2800
Nov 1000
Dec 1000

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 46

 Period Data_3 Hitung nilai forecast dari data penjualan disamping dengan
Starting 120.00
menggunakan Metode Exponential Smoothing !
1 119.58
2 118.79
3 119.01
4 120.21
5 118.82
6 120.67
7 121.13
8 120.82
9 120.12
10 120.73
11 118.60
12 118.62
13 120.54
14 121.53
15 120.35
16 120.07
17 119.33
18 118.93
19 119.45
20 120.17

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 47

 Answer

Period Data_3 a = 0.1 a = 0.2 a = 0.3 a = 0.4

Starting 120.00 0 0 0 0
1 119.58 120.00 120.00 120.00 120.00
2 118.79 119.96 119.92 119.87 119.83
3 119.01 119.84 119.69 119.55 119.42
4 120.21 119.76 119.55 119.39 119.25
5 118.82 119.80 119.68 119.63 119.63
6 120.67 119.70 119.51 119.39 119.31
7 121.13 119.80 119.74 119.77 119.85
8 120.82 119.93 120.02 120.18 120.36
9 120.12 120.02 120.18 120.37 120.54
10 120.73 120.03 120.17 120.30 120.38
11 118.60 120.10 120.28 120.43 120.52
12 118.62 119.95 119.94 119.88 119.75
13 120.54 119.82 119.68 119.50 119.30
14 121.53 119.89 119.85 119.81 119.79
15 120.35 120.05 120.19 120.33 120.49
16 120.07 120.08 120.22 120.34 120.44
17 119.33 120.08 120.19 120.25 120.29
18 118.93 120.01 120.02 119.98 119.90
19 119.45 119.90 119.80 119.66 119.52
20 120.17 119.85 119.73 119.60 119.49

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 48

 Grafik Forecast (Exp. Smoothing)
121,00

120,50

120,00
Forecast

0.1
0.2
119,50
0.3
0.4
119,00

118,50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Period

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 49

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 50
 ADA PERTANYAAN ?

MANAJEMEN OPERASIONAL PRODUKSI - 16027304 51