Perencanaan & Pengendalian Produksi Metode Peramalan (2) : Modul Iv
Perencanaan & Pengendalian Produksi Metode Peramalan (2) : Modul Iv
Penjualan
I II III IV
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 1
Karaketeristik Peramalan yang Baik
Peramalan yang baik mempunyai beberapa kriteria yang penting antara lain sebagai
berikut :
Akurasi. Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan
konsistensi peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan
tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang
sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya
kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah, akan
mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak
dapat dipenuhi segera, akibatnya adalah perusahaan dimungkinkan kehilangan
pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi
akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak
modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan
penting dalam menyeimbangkan persediaan yang ideal, yaitu meminimasi
penumpukan persediaan dan memaksimasi tingkat pelayanan.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 2
Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan hasil suatu peramalan, terdapat
beberapa hal yang harus dipertimbangkan, yaitu:
Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan
ketidakpastian tersebut.
Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka
adalah penting bagi peramal untuk menginformasikan seberapa besar
kesalahan yang mungkin terjadi.
Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang. Hal ini disebabkan pada peramalan jangka pendek, sejumlah faktor
yang mempengaruhi permintaan relatif masih konstan, sementara semakin
panjang periode peramalan, semakin besar pula kemungkinan terjadinya
perubahan faktor yang mempengaruhi permintaan.
Metoda Peramalan
Secara umum, peramalan diklasifikasika menjadi 2 macam, yaitu :
1. Peramalan yang bersifat subyektif
2. Peramalan yang bersifat obyektif
Perbedaan antara kedua macam peramalan ini didasarkan pada cara mendapatkan
nilai-nilai ramalan.
Peramalan Subjektif
Peramalan subyektif lebih menekankan pada keputusan-keputusan hasil diskusi,
pendapat pribadi seseorang, dan intuisi yang meskipun kelihatanya kurang ilmiah
tetapi dapat memberikan hasil yang baik. Peramalan subyektif ini akan diwakili oleh
metoda delphi dan metoda penelitian pasar.
Metoda Delphi. Metoda ini merupakan cara sistematis, untuk mendapatkan
keputusan bersama dari suatu kelompok yang terdiri dari para ahli dan berasal dari
disiplin yang berbeda. Kelompok ini tidak bertemu secara bersama dalam suatu
forum untuk berdiskusi, tetapi merka diminta pendapatnya secara terpisah dan
tidak boleh saling berunding. Hal ini dilakuan untuk menghindari pendapat yang
bias karena pengaruh kelompok. Pendapat yang berbeda secara signifikan dari
ahli yang lain dalam kelompok tersebut akan ditanyakan lagi kepada yang
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 3
bersangkutan, sehingga diperoleh angka estimasi pada interval tertentu yang dapat
diterima. Metoda delphi ini dipakai dalam peramalan teknologi yang sudah
digunakan pada pengoperasian jangka panjang. Selain itu, metoda ini juga
bermamfaat dalam pengembangan produk baru, pengembangan kapasitas
produksi, penerobosan kesegmen pasar baru dan strategi keputusan bisnis
lainnya.
Peramalan Objektif
Peramalan objektif merupakan prosedur peramalan yang mengikuti aturan-aturan
matematis dan statistik dalam menunjukan hubungan antara permintaan dengan satu
atau lebih variabel yang mempengaruhinya. Selain itu peramalan objektif juga
mengasumsikan bahwa tingkat keeratan dan macam dari hubungan antara variabel-
variabel bebas dengan permintaan yang terjadi pada masa lalu akan berulang juga
pada masa yang akan datang. Peramalan objektif terdiri atas dua metoda, yaitu
metoda intristik dan metoda ektrinsik.
Metoda Intrinsik. Metoda ini membuat peramalan hanya berdasarkan proyeksi
permintaan historis tanpa mempertimbangkan faktor-faktor eksternal yang
mungkin mempengaruhi besarnya permintaan. Metoda ini hanya cocok untuk
peramalan jangka pendek pada kegiatan produksi, di mana dalam rangka
pengendalian produksi dan pengendalian persediaan bahan baku seringkali
perusahaan harus melibatkan banyak item yang berbeda. Hal ini tentu
membosankan sehingga memerlukan metoda-metoda peramalan yang mudah dan
murah. Metoda Intrinsik diwakili oleh analisis deret waktu.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 4
Metoda Ekstrinsik. Metoda ini mempertimbangkan faktor-faktor eksternal yang
mungkin dapat mempengaruhi besarnya permintaan di masa yang akan datang
dalam model peramalannya. Metoda ini lebih cocok untuk peramalan jangka
panjang karena dapat menunjukan hubungan sebab akibat yang jelas dalam hasil
peramalanya sehingga disebut metoda kausal dan dapat memprediksi titik-titik
perubahan. Kelemahan dari metoda ini adalah dalam hal mahalnya biaya aplikasi
dan frekuensi perbaikan hasil peramalan yang rendah karena sulitnya
menyediakan informasi perubahan faktor-faktor eksternal yang terukur. Metoda
ekstrinsik banyak dipakai untuk peramalan pada tingkat agregat. Metoda ini akan
diwakili oleh metoda regresi.
Pendekatan Peramalan
Dengan mempertimbangan bahwa penggunaan metoda statistik yang dilakukan pada
data yang lalu adalah cara yang realistis untuk melakukan peramalan permintaan yang
akan datang, dilakukan langkah sebagai berikut:
1. Membuat plot permintaan terhadap waktu (demand versus time)
2. Menentukan teknik yang digunakan
3. Mengevaluasi error yang diharapkan
4. Mengambil keputusan untuk menggunakan teknik yang dipertimbangkan atau
berusaha mendapatkan yang lebih baik.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 5
permintaan yang pola permintaan di masa lalunya cukup konsisten dalam periode
waktu yang lama, sehingga diharapkan pola tersebut masih akan tetap berlanjut.
Permintaan di masa lalu pada analisa deret waktu akan dipengaruhi keempat
komponen utama T, C, S, dan R. Penjelasan tentang komponen-komponen tersebut
adalah sebagai berikut.
225
Permintaan ( Unit )
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 6
Tabel - Perhitungan Koefisien Persamaan Linear yang akan Dieliminasi
t d d t2
1 199 199 1
2 202 404 4
3 199 597 9
4 208 832 16
5 212 1060 25
6 194 1164 36
7 214 1498 49
8 220 1760 64
9 219 1971 81
10 234 2340 100
11 219 2409 121
12 233 2796 144
78 2553 17030 650
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 7
1 199 196 9
2 202 199 9
3 199 202 9
4 208 205 9
5 212 208 16
6 194 211 289
7 214 214 0
8 220 217 9
9 219 220 1
10 234 223 121
11 219 226 49
12 233 229 16
78 1191 1191 1180.25
Di mana:
A = Permintaan Aktual pada perioda t
Ft = Peramalan Permintaan pada perioda t
n = Jumlah Perioda Peramalan yang terlibat
2. Rata-Rata Kuadrat Kesalahan ( Mean Square Error = MSE )
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan
pada setiap perioda dan membaginya dengan jumlah perioda peramalan.
Secara matematis, MSE dirumuskan sebagai berikut :
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 8
At Ft 2
MSE = n
3. Rata-Rata Kesalahan Peramalan ( Mean Forecast Error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama
perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan
menjumlahkan semua kesalahan peramalan selama perioda peramalan dan
membaginya dengan jumlah perioda peramalan. Secara matematis, MFE
dinyatakan sebagai berikut :
At Ft
MFE = n
4. Rata-Rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error
= MAPE ).
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan aktual selama perioda tertentu yang akan
memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.
Secara matematis, MAPE dinyatakan sebagai berikut :
100 Ft
MAPE = At
n At
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 9
peramalan dilakukan segera setelah perubahan pola permintaan diketahui. Terdapat
banyak perkakas yang dapat digunakan untuk memverifikasi peramalan dan
mendeteksi perubahan sistem penyebab yang melatarbelakangi perubahan pola
permintaan. Bentuk yang paling sederhana adalah peta kendali peramalan, mirip
dengan peta kendali kualitas. Peta kendali ini dapat dibuat dengan ketersediaan data
yang minim.
Sekurang-kurangnya harus ada 10 dan lebih disukai 20 data untuk membuat peta
Moving Range. Batas ini ditetapkan sedemikian sehingga diharapkan hanya ada tiga
dari 1000 titik yang berada di luar batas kendali, jika sistem penyebab yang
melatarbelakanginya tetap sama. Jika ditemukan satu titik yang berada di luar batas
kendali pada saat peramalan diverifikasi, harus ditentukan apakah data harus
diabaikan atau peramalan baru harus dicari. Jika ditemukan sebuah titik berada di luar
batas kendali harus diselidiki penyebabnya. Temuan itu mungkin membutuhkan
penyelidikan yang ekstensif.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 10
Jika semua titik berada di dalam batas kendali, diasumsikan peramalan permintaan
yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali
berarti peramalan yang didapat kurang baik dan harus direvisi. Peta kendali dapat
digunakan untuk mengetahui apakah terjadi perubahan dalam sistem penyebab yang
melatarbelakangi permintaan sehingga dapat ditentukan persamaan peramalan baru
yang lebih cocok atas sistem penyebab yang terjadi pada saat ini.
Daerah A
Batas Daerah A
Daerah B
Batas Daerah B
Daerah C
0 t
Gambar Daerah
Kriteria
C Di Luar Kendali
Batas Daerah B
Daerah B
Batas Daerah A
Daerah A
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 12
Maret 15 239
April 16 242
Mei 17 245
Juni 18 248
Juli 19 251
Agustus 20 254
September 21 257
Oktober 22 260
November 23 263
Desember 24 266
Total 2944
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 13
Peta Kendali Moving Range Untuk Contoh Soal
Peramalan Linear
20
17
15
10
7
5
y'-y
3
1
0 0
-3 -3 -3 -3
-5 1 2 3 4 5 -4 6 7 8 9 10 11 12-4
-10 -11
-15
Periode
Penggunaan peta Moving Range sebagai alat untuk memperhatikan kestabilan sistem
akibat yang melatarbelakangi fungsi peramalan. Apabila terjadi kondisi di luar kendali,
tindakan terhadap peramalan harus dilakukan. Dua tindakan yang dapat dilakukan
adalah:
Merevisi peramalan dengan memasukkan data dan sistem penyebab yang baru
Menunggu bukti lebih lengkap
Kedua tindakan di atas harus diambil hanya setelah mempertimbangkan seluruh segi
sistem penyebab. Analisis terhadap data itu sendiri tidaklah cukup. Jika tindakan harus
diambil terhadap permintaan dan sistem penyebab yang melatarbelakangi permintaan
tersebut, maka secara umum harus dilakukan: (1) usaha untuk mempengaruhi sistem
penyebab, atau (2) menerima perubahan permintaan tersebut tanpa mengambil suatu
tindakan. Tindakan yang diambil untuk mempengaruhi sistem penyebab yang
mempengaruhi permintaan adalah perubahan-perubahan pada periklanan, promosi
penjualan, tenaga penjualan, harga jual, dan sebagainya.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 14
berada di luar batas kendali yang ditunjukkan pada Gambar. Jika dilakukan
perhitungan peramalan baru berdasarkan data 16 bulan, didapatkan fungsi peramalan
baru yaitu:
d = 199 + 2 t
Dengan menggunakan persamaan peramalan baru di atas, dapat dihitung peta kendali
baru sebagaimana berikut 9 Lihat juga Tabel 2-16 berikut ) :
MR = 165/15 = 10.73
Peta kendali yang baru ditunjukkan pada gambar. Dapat diperhatikan bahwa seluruh
data berada dalam batas kendali. Dengan ini dapat disimpulkan bahwa peramalan
baru dapat dinilai baik.
Gambar Peta Kendal Moving Range Verifikasi Contoh Soal Peramalan Linier
0 0 1
-3 -3 -3 -4 -3 -4
-5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
-10 -11
-15
-20
-25
Periode
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 15
Tabel - Perhitungan Peta moving Range yang Baru
Bulan Perioda Peramalan Permintaan d-d Moving Range
(t) d d MR
Januari 1 201 199 2 -
Februari 2 203 202 1 1
Maret 3 205 199 6 5
April 4 207 208 -1 7
Mei 5 209 212 -3 2
Juni 6 211 194 17 20
Juli 7 213 214 -1 18
Agustus 8 215 220 -5 4
Septembe 9 217 219 - 2 3
r 10 219 234 -15 13
Oktober 11 221 219 2 17
November 12 223 233 -10 12
Desember 13 225 209 16 26
Januari 14 227 228 -1 17
Februari 15 229 224 5 6
Maret 16 231 216 15 10
April
16 231 216 15 161
MR = 161/15 = 10.73
UCL = 28.6
LCL = -28.6
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 16
Peta Kendali Moving Range Verifikasi
Untuk Contoh Soal Peramalan Linear
25
20
18 17
15 16
10 10
8 7
5
2 2 2 3
y'-y
0 1 1
-1 -2 -1 -2
-3 -4
-5
-6
1
15
17
19
21
13
23
11
-10 -9
-15 -15 -16
-17 -18
-20
-25
Periode
Salah satu hal penting untuk kegiatan perencanaan dan pengendalian produksi adalah
peramalan permintaan yang akurat dan terpercaya. Karena permintaan tidak dapat
diperkirakan langsung secara tepat, dibutuhkan metode-metode tertentu yang akan
mengarahkan kepada peramalan yang baik. Metode peramalan adalah teknik untuk
meramalkan masa datang secara ilmiah, yang akan lebih baik daripada peramalan
coba-coba.
Untuk membuat peramalan permintaan yang baik, pertama kali perlu diramalkan
keadaan lingkungan yang mempengaruhi jumlah permintaan produk suatu
perusahaan. Peramalan lingkungan selanjutnya digunakan sebagai dasar peramalan
industri. Dan selanjutnya baru dilakukan peramalan permintaan produk perusahaan.
Secara umum, untuk memperkirakan permintaan pada masa yang akan datang, dapat
digunakan enam metode peramalan yang utama: Penelitian minat pembeli, pendapat
tenaga penjualan, pendapat pakar, pengujian pasar, Analisis deret waktu, dan analisis
permintaan statistik. Metode tersebut bervariasi dari segi kecocokan dengan tujuan
peramalan, jenis produk, serta ketersediaan dan keandalan data yang dimiliki
perusahaan.
Harus diperhatikan bahwa keakuratan peramalan akan berkurang sejalan dengan
pertambahan selang perioda peramalan. Peramalan hanya direvisi jika terjadi
perubahan dalam sistem penyebab yang melatarbelakangi permintaan.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Muhammad Kholil, Ir, MT. PERENCANAAN DAN
PENGENDALIAN PRODUKSI 17