“FORECASTING”
Oleh
Alfredo (160403061)
1
Rosnani Ginting, Sistem Produksi, Graha Ilmu, Yogyakarta, 2009, hal. 33-37.
terjadi. Hasil peramalan dikatakan konsisten jika besarnya kesalahan
peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan
kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi
segera, akibatnya perusahaan kemungkinan kehilangan pelanggan dan
keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan
terjadinya penumpukan barang / persediaan, sehingga banyak modal tersia-
siakan. Keakuratan hasil peramalan berperan dalam menyeimbangkan
persediaan ideal.
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah
item yang diramalkan, lamanya periode peramalan, dan metode peramalan
yang digunakan. Pemilihan metode peramalan harus sesuai dengan dana yang
tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang
penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip
ini merupakan adopsi dari hukum Pareto (Analisa ABC).
3. 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, sumber daya manusia, maupun
peralatan teknologi.
2
Sukaria Sinulingga, Perencanaan dan Pengendalian Produksi, Graha Ilmu, Yogyakarta, 2010,
hal. 110.
hasil peramalan baik dalam unit atau persentase dan probablitias
tentang permintaan sesungguhnya akan berada dalam kisaran tersebut.
Prinsip 3: Peramalan item yang dikelompokkan dalam famili selalu lebih akurat
dibandingkan dengan peramalan dalam item per item. Jika famili
produk sebagai sebuah kesatuan diramalkan maka persentasse I akan
semakin kecil, tetapi apabila diramalkan masing-masing sebagai
indivudual product maka persentase erorr akan semakin tinggi.
Prinsip 4: Peramalan jangka pendek lebih akurat dibanding dengan peramalan
jangka panjang. Hal ini desebabkan karena pada peramalan jangka
pendek faktor-faktor yang mempengaruhi permintaan relatif masih
konstan sedangkan peramalan jangka panjang kemungkinan
terjadinya perubahan faktor-faktor yang mempengaruhi permintaan
besar.
Prinsip 5: Apabila dimungkinkan, perkiraan besarnya permintaan lebih disukai
berdasasrkan perhitungan dari pada hasil peramalan. Misalnya, dalam
perencanaan produksi dalam lingkungan make to stock, apabila
besarnya permintaan terhadap produk akhir telah diperkirakan
berdasarkan hasil peramalan maka besarnya jumlah part, komponen,
sub assembly, dan bahan baku untuk produk tersebut lebih baik
dihitung berdasarkan principle of dependent demand dari pada
masing-masing ditetapkan berdasarkan hasil peramalan.
Hal-hal yang harus diperhatikan dalam memilih metode peramalan adalah:
a. Item yang akan diramalkan
b. Interaksi situasi
c. Waktu persiapan
d. Jumlah data historis yang tersedia
2.5. Klasifikasi Teknik Peramalan3
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung
dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan
dapat dibedakan atas dua macam, yaitu:
1. Dilihat dai sifat penyusunannya
a. Peramalan yang subjektif
Yaitu peramalan yang lebih menekankan pada keputusan-keputusan hasil
diskusi, pendapat pribadi seseorang, intuisi dari orang yang menyusunnya.
Dalam hal ini pandangan dari orang yang menyusunnya sangat
menentukan baik tidaknya hasil ramalan tersebut.
b. Peramalan yang objektif
Yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu,
dengan menggunakan teknik-teknik dan metode-metode dalam
penganalisaan data tersebut.
2. Dilihat dari jangka waktu ramalan yang disusun
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah
tahun. Peramalan seperti ini misalnya diperlukan dalam penyusunan
rencana pembangunan suatu negara, dan rencana investasi suatu
perusahaan.
b. Paramalan jangka menengah, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan dalam jangka waktu satu bulan atau dua bulan
sampai satu tahun. Ramalan jangka menengah umumnya lebih berkaitan
dengan rencana produksi tahunan dan akan mencerminkan hal-hal seperti
puncak dan lembah suatu permintaan dan kebutuhan untuk menjamin
adanya tambahan sumber daya untuk tahun berikutnya.
c. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu
3
Rosnani Ginting, op.cit., hal. 38-44.
setengah tahun. Contohnya adalah penyusunan rencana produksi, rencana
penjualan, rencana persediaan, dan anggaran perusahaan.
3. Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat
dibedakan atas dua macam, yaitu:
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung dengan
orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat pendapat, intuitif,
pengetahuan, dan pengalaman.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data
kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
metode yang dipergunakan dalam peramalan tersebut.
Metode
Delphi
Dugaan
Managemen
Riset Pasar
Model
Kulitatif Dugaan
Managemen
Metode
kelompok
terstruktur
Peramalan
Analogi
Regresi Rata-rata
Historis
Moving
Time Series Smoothing
Average
Metode
Kuantitatif
Ekponential
Dekomposisi
Smoothing
Kausal
Yt = a, dimana a
Y 1
N
Dimana: Yt = nilai tambah
N = jumlah periode
b) Linear, dengan fungsi peramalan:
Yt = a + bt
Y bt n ty t y
Dimana : a b
n t 2 t
2
n
c) Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct2
Dimana : a
Y b t c t 2
c
b
b
n 2
t 2 2
n t 4
t Y n tY
t 2 Y n t 2Y
t 2 t 2 n t 3
t n t 2
2
ln Y b t n t ln Y t ln Y
ln a b
n t 2 t
2
n
Dimana :
2t 2t
Y na b sin n
c cos
n
2t 2t 2t 2t 2t
Y sin n
a sin
n
b sin 2
n
c sin
n
cos
n
2t 2t 2t 2t 2t
Y cos n
a cos
n
c cos2
n
b sin
n
cos
n
4
Alex Marlis, Peramalan Dan Faktor-Faktor Penentu Fluktuasi Harga Cabai Merah Di Enam Kota
Besar Di Jawa – Bali, 2010, IPB, Bogor.
4. Covarians antara ui dan xi sama dengan nol {cov (ui,xi) = 0}; Peubah
bebas X1, X2,....Xk konstan dalam pengambilan sampel dan bebas
terhadap kesalahan pengganggu.
5. Peubah bebas X saling bebas atau tidak ada kolinieritas ganda diantara
peubah bebas X
6. ei ~ N (0;s2), artinya kesalahan pengganggu mengikuti distribusi normal
dengan rata-rata nol dan varian
7. Model regresi dispesifikasi secara benar
Sebelum membuat model, perlu diperhatikan hal-hal sebagai berikut:
- Bagaimana yang dikatakan oleh teori
- Variabel- variabel apa saja yang perlu diperhatikan
- Bagaimana bentuk fungsinya
Apabila asumsi-asumsi di atas dapat terpenuhi, maka koefisen regresi (parameter)
yang diperoleh merupakan penduga linier terbaik dan tak bias. Penelitian ini
menggunakan model peramalan kausal dengan variabel dummy (boneka), untuk
menganalisis faktor-faktor yang mempengaruhi harga cabai merah di Indonesia.
Variabel dummy digunakan untuk menjelaskan data kualitatif yang menunjukan
kategori tertentu.
Persamaan yang akan digunakan pada metode peramalan kausal adalah
sebagai berikut :
Y X X X X D
Dimana : i Y = Nilai tambah
a = intersep model
ß1.,ß4 = slope variabel bebas
X1 = Variabel 1
X2 = Variabel 2
X3 = Variabel 3
X4 = Variabel 4
D1 = variabel dummy untuk budaya masyarakat
Keterangan : ß1, ß2, ß4, ß5> 0
ß3<0
2.8. Kriteria Performance Peramalan
Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara
antara lain, yaitu:
1. Mean Square Error (MSE)
m
X t Ft
2
MSE t 1
N
dimana:
Xt : data aktual periode t
N : banyaknya periode
2. Standard Error of Estimate (SEE) :
m
X Ft
2
t
SEE t 1
N t
dimana :
F = Derajat Kebebasan
Untuk data konsatan, f=1
Untuk data linear, f=2
Untuk data kwadratis, f=3
Untuk data siklis, f=3
3. Percentage Error (PEt) :
X Ft
PEt t 100 %
Xt
PEt
MAPE t 1
N
PE t : percentage error t
5. Mean Absoulute Deviation (MAD).
1
𝑀𝐴𝐷 = 𝑛 ∑𝑛𝑡=1 |𝑌 − 𝑌̅|
UCL
A L
2/3 UCL
B
1/3 UCL
C
CCL
C CLL
2/3
CLllLCL
B
LK
2/3 LCL
A MLL
LCL
MR t
MR t 2
n 1
Dimana : MRt YT YTt Yt 1 YFt 1
atau : MRt et et 1
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan
berikut:
1. Aturan Satu Titik
Bila ada titik sebaran (Y-YF) berada di luar UCL dan LCL.
2. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang
mana dua diantaranya jatuh pada daerah A.
3. Aturan Lima Titik
Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang
mana empat diantaranya jatuh pada daerah B.
4. Aturan Delapan Titik
Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada
daerah C.
5
Ronald Walpole, Pengantar Statistik, PT Gramedia, Jakarta, 1993, hal. 369-372.
diukur dalam satuan yang berbeda. Jadi, bila X dan Y menyatakan tinggi dan
bobot badan seseorang, maka rumus berikut ini masih dapat memberikan suatu
ukuran hubungan linear antara kedua peubah tersebut.
Koefisien korelasi. Ukuran hubungan linear antara linear antara dua peubah X
dan Y diduga dengan koefisien korelasi contoh r, yaitu:
n X i Yi ( X i )( Yi )
r=
n X 2
i
( X i ) 2 n Y 2 i ( Yi ) 2
6
Amiyela, “KorelasidanRegresi” 2011 <http://smic-
community.blogspot.com/2011/08/korelasi- dan-regresi.html> [21/02/2018, pukul 20.48]
2.11. Peranan Peramalan dalam Sistem Produksi7
Peramalan merupakan tahap awal dari perencanaan dan pengandalian
produksi. Pada tahapan ini ingin diketahui bagaimana keadaan pada masa yang
akan datang. Keadaan masa yang akan datang yang dimaksud adalah:
7
Dini Wahyuni dan Nazlina. Diktat Sistem Produksi, Departemen Teknik Industri USU, Medan,
2008, hal.13-17.
8
http://alnaradcliffe.blogspot.com/2011/07/peramalan-forecasting.html diakses:21/02/2018 pukul
19.30
kapasitas yang tersedia. Jika kapasitas tersedia tidak mencukupi, maka
production plan diubah sehingga secara otomatis business plan berubah.
5. Rought Cut Capacity Planning (RCCP)
Rencana untuk menentukan kapasitas yang diperlukan untuk memenuhi MPS.
Hasilnya berupa jenis orang/mesin yang diperlukan untuk tiap work centre
pada setiap periode. Merupakan bahan pertimbangan untuk penambahan jam
kerja atau sub kontrak.
6. Demand Management
Aktivitas memprediksi kebutuhan di masa datang dikaitkan dengan kapasitas.
Terdiri dari aktivitas forecasting, distribution requirement planning, order
entry, shipment, dan service part requirement. Sebagai dasar untuk
menentukan marketing, purchasing, dan MPS.
7. Material Requirement Planning (MRP)
Menetapkan rencana kebutuhan material untuk melaksanakan MPS. Output
MRP adalah purchasing dan PAC (Production Activity Control), dan MRP
menghasilkan rencana pembelian meliputi jumlah due date, release date.
Input MRP adalah MPS, Bill of Material, dan inventory status. MRP
divalidasi dengan Capacity Requirement Planning.
8. Capacity Requirement Planning (CRP)
Rencana kebutuhan kapasitas yang dibutuhkan untuk merelealisasikan MPS di
tiap periode dan tiap mesin. CRP lebih teliti dan lebih rinci dibanding RCCP,
karena didasarkan pada planning order. Jika kapasitas tidak tersedia bisa
ditambah dengan over time, merubah routing dan lain-lain. Jika tidak tercapai
MPS harus dirubah.
9. Production Activity Control (PAC)
Sering disebut distributor shop floor control (SFC), aktivitas membuat produk
setelah bahan dibeli. PAC terdiri dari aktivitas awal hingga akhir suatu job
berdasarkan urutan kedatangan job, lalu membebankan job ke work station,
dan melakukan pelaporan. Hasil laporan akan merupakan feedback bagi MPS.
10. Purchasing
Merupakan aktivitas memilih vendor, membuat order pembelian, dan
menjadwalkan vendor.
11. Performance Measurement
Evaluasi sistem untuk melihat seberapa jauh hasil yang diperoleh
dibandingkan dengan rencana yang telah ditetapkan. Sebagai bahan evaluasi
pencapaian bisnis planning.
DAFTAR PUSTAKA