MODUL IV

PERENCANAAN & PENGENDALIAN PRODUKSI

METODE PERAMALAN (2)

Faktor yang Mempengaruhi Permintaan

Permintaan produk pada suatu perusahaan merupakan resultan dari berbagai faktor
yang saling berinteraksi dalam pasar. Faktor-faktor tersebut hampir selalu merupakan
kekuatan yang berada di luar kendali perusahaan. Berbagai faktor tersebut antara lain:
Siklus Bisnis. Penjualan produk akan dipengaruhi oleh permintaan akan
produk tersebut, dan permintaan akan suatu produk akan dipengaruhi oleh
kondisi ekonomi yang membentuk siklus bisnis dengan fase-fase inflasi, resesi,
depresi, dan masa pemulihan.
Siklus Hidup Produk. Siklus hidup suatu produk biasanya mengikuti suatu
pola yang biasa disebut kurva S. Kurva S menggambarkan besarnya
permintaan terhadap waktu, di mana siklus hidup suatu produk akan dibagi
menjadi fase pengenalan, fase pertumbuhan, fase kematangan, dan akhirnya
fase penurunan. Unutk menjaga kelangsungan usaha, maka perlu dilakukan
inovasi produk pada saat yang tepat.

Gambar - Tahapan Siklus Hidup suatu Produk

Penjualan

I II III IV

Faktor-faktor lain. Beberapa faktor lain yang mempengaruhi permintaan

adalah reaksi balik dari pesaing, perilaku konsumen yang berubah, dan usaha-
usaha yang dilakukan sendiri oleh perusahaan seperti peningkatan kualitas,
pelayanan, anggaran periklanan, dan kebijakan pembayaran secara kredit.

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.

Biaya. Biaya yang diperlukan dalam pembuatan suatu peramalan bergantung

kepada jumlah item yang diramalkan, lamanya periode peramalan, dan metode
peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan
mempengaruhi berapa banyak data yang dibutuhkan, Bagaimana pengolahan
datanya, yaitu secara manual atau komputerisasi, bagaimana penyimpanan
datanya, dan siapa tenaga ahli yang diperbantukan. Pemilihan metode
peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi
yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan
metode yang canggih dan mahal, sedangkan item-item yang kurang penting
bisa diramalkan dengan metode yang sederhana dan murah. Prinsip ini
merupakan adopsi dari Hukum Pareto (Analisis ABC).

Kemudahan. Penggunaan metode peramalan yang sederhana, mudah dibuat,

dan mudah diaplikasikan, akan memberikan keuntungan bagi perusahaan.
Adalah percuma memakai metode yang canggih, tetapi tidak dapat
diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumberdaya
manusia, maupun peralatan teknologi.

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.

Metoda Penelitian Pasar. Metoda ini mengumpulkan dan menganalisa fakta

secara otomatis pada bidang yang berhubungan dengan pemasaran. Salah satu
teknik utama dalam penelitian pasar ini adalh survei konsumen. Survei konsumen
akan memberikan informasi mengenai selera yang diharapkan konsumen, dimana
informasi tersebut diperoleh dari sampel dengan kuesioner. Penelitian pasar sering
digunakan dalam merencanakan produk baru, sistem periklanan, dan promosi yang
tepat. Hasil dari penelitian pasar ini kadang-kadang juga dipakai sebagai dasar
peramalan permintaan produk baru.

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.

Terdapat beberapa metode peramalan:

Peramalan Least Square / Linear
Peramalan Constant
Peramalan Cyclic
Peramalan Linear-Cyclic
Peramalan lainnya: Moving Average, Exponential Smoothing, Curvilinear
Regression, Combination.

Analisis Deret Waktu (Time Series)

Dalam pendekatan analisis deret waktu didasarkan pada asumsi bahwa deret waktu
tersebut terdiri dari komponen-komponen Trend (T), Siklus/Cycle (C), Pola Musiman /
Season (S), Variasi Acak / Random (R) yang akan menunjukkan suatu pola tertentu.
Komponen-komponen tersebut kemudian dipakai sebagai dasar dalam membuat
persamaan matematis. Analisa Deret Waktu ini sangat tepat dipakai untuk meramalkan

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.

Fungsi Peramalan Least Square

Tabel - Permintaan Linier dengan Variasi Acak selama 12 bulan
Bulan Permintaan Bulan Permintaan
1 199 7 214
2 202 8 220
3 199 9 219
4 208 10 234
5 212 11 219
6 194 12 233
Total 2553

Gambar Pola Permintaan Naik Bervariasi Acak

Pola Permintaan Naik Bervaraisi Acak

235 234 233
230

225
Permintaan ( Unit )

220 220 219 219

215 214
212
210
208
205
202
200 199 199
195 194
190
1 2 3 4 5 6 7 8 9 10 11 12
Tahun

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

Persamaan Linear regresi Peramalan Permintaan didapatkan dengan mengeliminasi

persamaan:
2553 = 12 a + 78 b
17030 = 78 a + 650 b

yang menghasilkan a = 192.92 , b = 3.05 , dan Persamaan Regresi Peramalan

Permintaan d = 192.92 + 3.05 t

Dengan menggunakan persamaan peramalan d = 193 + 3t , maka Standard Error of

Estimate sebagai berikut :

Tabel - Perhitungan Standard Error of Estimate Persamaan Peramalan Linear

Bulan d D (d d)2

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

Standard error of Estimate = ( 537/ ( 12 2 ) )1/2 = 7.32 unit.

Peramalan Constant
Peramalan Cyclic
Peramalan Linear-Cyclic
Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara
hasil peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan.
Ukuran yang biasa digunakan adalah:
1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD )
MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai
berikut :
At Ft
MAD = n

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

Contoh - Suatu data permintaan aktual produk X dibandingkan hasil peramalannya

diketahui seperti yang ditunjukkan pada tabel.
Hitunglah MAD, MSE, MAPE, dan MFE-nya.

Verifikasi dan Pengendalian Peramalan

Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian
rupa sehingga mencerminkan data masa lalu dan sistem penyebab yang mendasari
permintaan tersebut. Sepanjang representasi peramalan tersebut dapat dipercaya,
hasil peramalan dapat terus digunakan. Jika selama proses verifikasi tersebut
ditemukan keraguan validitas metode peramalan yang digunakan, harus dicari metode
lainnya yang lebih cocok. Validitas tersebut harus ditentukan dengan uji statistis yang
sesuai.
Setelah suatu peramalan dibuat, selalu timbul keraguan apakah perlu dibuat suatu
metode peramalan baru . Peramalan harus selalu dibandingkan dengan permintaan
aktual secara teratur. Pada suatu saat harus diambil tindakan revisi peramalan apabila
ditemukan bukti adanya perubahan pola permintaan yang meyakinkan. Selain itu,
penyebab perubahan pola permintaan harus diketahui. Penyesuaian metode

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.

Peta Moving Range

Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan
nilai peramalan. Data permintaan aktual dilihat dan dibandingkan dengan nilai
peramalan pada perioda yang sama. Peta tersebut dikembangkan ke perioda yang
akan datang sehingga data peramalan dapat dibadingkan dengan permintaan aktual.
Selama perioda dasar (perioda pada saat menghitung peramalan), Peta Moving Range
digunakan untuk melakukan verifikasi teknik dan parameter peramalan. Setelah
metode peramalan ditentukan, peta Moving Range digunakan intuk pengujian
kestabilan sistem penyebab yang mempengaruhi permintaan. Moving Range dapat
didefinisikan sebagai :
MR ( d't d t ) - ( d't 1 d t 1 )

dan rata-rata Moving Range didefinisikan sebagai :

MR
MR
n -1
Garis tengah peta Moving Range adalah pada titik nol. Upper control level (batas
kendali atas) dan Lower control level (batas kendali bawah) pada peta Moving Range
adalah :
UCL = + 2.66 MR
LCL = - 2.66 MR
Sementara itu variabel yang akan diplot ke dalam peta Moving Range :
d t d' t - d t

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.

Uji Kondisi Di Luar Kendali

Uji yang paling konklusif bagi kondisi di luar kendali adalah adanya titik di luar batas
kendali. Selain itu, terdapat pula uji lainnya dengan tingkat kemungkinan yang sama.
Teknik yang digunakan berikut ini dirancang agar dapat digunakan dengan jumlah data
yang seminimal mungkin. Uji ini dilakukan dengan cara membagi peta kendali ke
dalam enam bagian dengan selang yang sama. Daerah A adalah daerah di luar 2/3
(2.66 MR) = 1.77 MR (di atas +1.77 MR dan di bawah 1.77 MR). Daerah B adalah
daerah di luar 1/3 (2.66 MR) = 0.89 MR (di atas +0.89 MR dan di bawah 0.89
MR). Daerah C adalah daerah di atas atau di bawah garis tengah. Uji kondisi di luar
kendali adalah:
1. Dari tiga titik berurutan, apakah ada dua atau lebih titik yang berada di daerah A?
2. Dari lima titik yang berurutan, apakah ada empat atau lebih titik yang berada di
daerah B?
3. Apakah ada delapan titik berturut-turut yang berada di salah satu sisi (di atas atau
di bawah garis tengah).
d - d
Gambaran daerah-daerah A, B, dan C ditunjukkan pada gambar. Kondisi apabila ketiga
kriteria di atas terpenuhi diperlakukan sama dengan kondisi titik berada di luar batas
Daerah Di Luar Kendali Batas Kendali Atas
kendali.

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 Batas

Muhammad Kholil, KendaliPERENCANAAN
Ir, MT. Bawah DAN
PENGENDALIAN PRODUKSI 11
Daerah Di Luar Kendali
 Penggunaan Moving Range untuk Verifikasi Peramalan
Penggunaan Moving Range untuk melakukan verifikasi hasil peramalan contoh
terdahulu. Dalam kasus tersebut, jika peta Moving Range menunjukan keadaan di luar
kriteria kendali maka data yang tidak berasal dari sistem akibat yang sama akan
dibuang dan fungsi peramalan ditentukan lagi.
Contoh kasus peramalan linear sebelumnya digunakan untuk menggambarkan proses
verifikasi peramalan. Perhitungan yang dibutuhkan untuk memverifikasi peramalan
linear yang dibuat ditunjukkan dalam tabel. Peta kendali ditunjukkan pada gambar.
Dapat dilihat terdapat sistem penyebab yang stabil dan dapat dinyatakan secara
statistik bahwa peramalan linear tersebut valid.
Dengan mengasumsikan peramalan linear adalah peramalan yang terbaik (atau
dengan kata lain memiliki SEE terkecil), maka peramalan permintaan untuk tahun yang
akan datang didapatkan dengan memasukkan angka 13 hingga 24 sebagai t ke dalam
persamaan y , = 193 + 3 t, yang ditunjukkan pada tabel.

Tabel - Hasil akhir Peramalan Linear

Bulan Perioda (t) Permintaan (d)
Januari 13 233
Februari 14 236

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

Tabel - Perhitungan Peta Moving Range untuk Memverifikasi Peramalan Linear.

Bulan Perioda Peramalan Permintaan d- d Moving Range
(t) d d MR
Januari 1 196 199 -3 -
Februari 2 199 202 -3 0
Maret 3 202 199 3 6
April 4 205 208 -3 6
Mei 5 208 212 -4 1
Juni 6 211 194 17 21
Juli 7 214 214 0 17
Agustus 8 217 220 -3 3
September 9 220 219 1 4
Oktober 10 223 234 -11 12
November 11 226 219 7 18
Desember 12 229 233 -4 11
78 2550 2553 -3 99

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.

Contoh - Untuk mengilustrasikan penggunaan peta Moving Range untuk

pengendalian peramalan, digunakan contoh pada peramalan linier. Diketahui
permintaan aktual untuk perioda 13 sampai dengan 24 masing-masing adalah 209,
228, 224, 216, 250, 237, 235, 253, 256, 247, 244 dan 264. Menggunakan cara yang
sama dengan verifikasi peramalan, dihasilkan titik Moving Range pada bulan April
menyatakan keadaan di luar kendali. Kondisi ini terjadi akibat adanya satu titik yang

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

UCL = 10.73 x 2.66 = 28.6

LCL = - 28,6

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

Peta Kendali Moving Range Verifikasi

Untuk Contoh Soal Peramalan Linear
25 25
23
20
17
15 14
10
7 7
5
3
y'-y

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

Gambar - Peta Kendali yang Telah Direvisi

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