BAB I

PENDAHULUAN

1.1. Latar Belakang

Peramalan permintaan dibutuhkan agar tidak terjadi kesenjangan yang cukup tinggi
antara permintaan pasar dengan tingkat produksi dan stok barang di pabrik.
Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu
produk atau beberapa produk dalam periode waktu tertentu di masa yang akan
datang. Sehingga peramalan merupakan suatu taksiran yang ilmiah. Peramalan
permintaan akan menjadi masukan dalam keputusan perencaan dan pengendalian
produksi. Karakteristik peramalan yang baik didasarkan oleh:

a. Akurasi
Akurasi dari hasil peramalan diukur dengan kebiasaan dan kekonsistensian
peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut
terlalu tinggi atau terlalu rendah dibandingnkan dengan kenyataan. Hasil
peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif
kecil.Peramalan yang terlalu rendah mengakibatkan kekurangan persediaan
sehingga permintaan konsumen tidak dapat dipenuhi dengan segera,
akibatnyaadalah perusahaan akan kehilangan pelangaan dan kehilangan
keuntunganpenjualan. Peramalan yang terlalu tinggi akan mengakibatkan
terjadinya penumpukan persediaan. Keakuratan dari hasil peramalan berperan
pentingdalam menyeimbangkan persediaan yang ideal (meminimasi persediaan
danmemaksimalkan tingkat pelayanan) b. Biaya-Biaya yang diperlukan dalam
pembuatan suatu peramalan tergantung darijumlah item yang diramalkan,
lamanya periode peramalan dan metode peramalan yang dipakai.
b. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung dari
jumlah item yang diramalkan, lamanya periode peramalan dan metode
peramalan yang dipakai.c. Kemudahan Penggunaan metode peramalan yang
sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan
keuntungan bagi perusahaan.Peramalan pasti mengandung kesalahan, artinya
peramal hanya bias mengurangi ketidakpastian yang akan terjadi tetapi tidak
 dapat menghilangkan ketidakpastian tersebut. Peramalan seharusnya
memberikan informasi tentangberapa ukuran kesalahan, artinya karena
peramalan pasti mengandung kesalahan maka penting bagi peramal untuk
menginformasikan seberapa besar kesalahan yang mungkin terjadi.

Hal-hal yang diperlukan dalam membuat peramalan secara statistik:

a. Membuat suatu gambaran permintaan dan waktu (ploting data (permintaan),
dimana permintaan sebagai ordinat (x) dan waktu sebagai absis (y)
b. Menentukan model peramalan yang akan digunakan
c. Menilai kesalahan peramalan yang akan digunakan
d. Menilai kesalahan peramalan yang diperkirakan (MAD, MSE, MAPE)
e. Membuat verifikasi dan pengendalian peramalan (MR chart)
f. Membuat suatu keputusan untuk menggunakan teknik/model peramalantertentu
berdasarkan pertimbangan yang ada (perkiraan nilai kesalahan peramalan yang
terkecil dan hasil verifikasi model peramalan) Kursi kerja merupakan jenis kursi
yang memiliki banyak model atau variasi.Permintaan akan kursi kantor bersifat
fluktuatif dan bergantung atas desain daripenggunaan pekerjaan suatu
perusahaan.

Kursi yang didesain disesuaikan dengan kebutuhan pekerjaan, dengan rancangan

yang ergonomis dan nyaman digunakan.

1.2. Perumusan Masalah

Dalam praktikum Sistem Produksi Modul 1, PT Furniture Mesindo memproduksi
kursi kantor dengan rumusan masalah sebagai berikut :
1. Membuat peramalan permintaan untuk periode waktu tertentu;
2. Memilih metode peramalan terbaik dilihat dari biaya yang dikeluarkan
menggunakan software QM for Windows 5;
1.3. . Tujuan Praktikum
Tujuan praktikum Sistem Produksi Modul 1 (Peramalan) sebagai berikut :
1. Memahami manfaat dan posisi peramalan dalam sistem produksi;
2. Memahami metode dan teknik peramalan.
3. Mampu memilih metode peramalan terbaik untuk memecahkan masalah
peramalan;
4. Dapat menggunakan metode dan teknik peramalan untuk menentukankebutuhan
pasar sebagai dasar penyusunan rencana produksi
1.4. Pembatasan Masalah
Fokus masalah yang diamati pada modul 1 :
1. Peramalan dihitung dengan menggunakan software QM for Windows 5 aplikasi
FC (Forecasting);
2. Peramalan terhadap produk kursi dilakukan hanya untuk jangka waktu 12 bulan
ke depan.
3. Metode peramalan yang digunakan adalah Simple Average, Moving
Average,Weighted Moving Average, Moving Average with Linear Trend,
Single Exponential Smoothing, Single Exponential Smoothing With Trend,
Double Exponential Smoothing, Double Exponential Smoothing With Trend,
Adaptive Exponential Smoothing, dan Linear Regresion With Time.
 BAB II

LANDASAN TEORI

2.1. Pengertian Peramalan

Permintaan Peramalan merupakan tingkat permintaan produk-produk yang
diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang
akandatang. Peramalan permintaan adalah masukan yang sangat penting
dalammembuat keputusan perencanaan dan pengendalian perusahaan. Keputusan
operasional produksi juga sangat dipengaruhi oleh hasil peramalan
permintaan.Karena bagian operasional produksi bertanggungjawab terhadap
pembuatan produk yang dibutuhkan konsumen. Permintaan akan suatu produk dari
suatu perusahaan merupakan hasil dari berbagai faktor yang saling berinteraksi
dalam pasar. Faktor ini kadang kala berada di luar kendali perusahaan. Faktor-
faktor tersebut antara lain:
1. Siklus BisnisPermintaan akan suatu produk di pengaruhi oleh kondisi ekonomi
yangmembentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi dan masa
pemulihan;
2. Siklus hidup produk Siklus hidup suatu produk biasanya mengikuti suatu pola
yang disebut kurva S.Kurva S menggambarkan besarnya permintaan terhadap
waktu, dimana siklus hidup suatu produk akan dibagi menjadi fase pengenalan,
fase pertumbuhan,fase kematangan dan akhirnya fase penurunan. Untuk
menjaga kelangsungan usaha, maka perlu dilakukan inovasi disaat yang tepat;
3. Faktor-faktor lain yang mempengaruhi permintaan adalah reaksi balik dari
pesaing,perilaku konsumen yang berubah, dan usaha-usaha yang dilakukan
sendiri oleh perusahaan seperti meningkatkan kualitas, pelayanan, anggaran
iklan, dan kebijaksanaan pembayaran secara kredit.
2.2. Kegunaan Peramalan
Dalam hubungan dengan waktu, peramalan dapat digunakan dalam 3 hal,yaitu
sebagai berikut:
1. Peramalan jangka Panjang Digunakan untuk perencanaan produk dan
perencanaan sumber daya;
2. Peramalan jangka menengah Digunakan untuk menentukan aliran kas,
perencanaan produksi, dan penentuan anggaran;
3. Peramalan jangka pendek Digunakan untuk mengambil keputusan dalam hal
perlu tidaknya lembur,penjadwalan kerja, dan keputusan control jangka pendek
lainnya.
2.3. Metode Peramalan
Secara umum peramalan diklasifikasikan menjadi 2 macam, yaitu peramalan yang
bersifat subyektif dan peramalan yang bersifat objektif. Perbedaannya adalah dalam
cara mendapatkan hasil ramalan. Peramalan subyektif lebih menekankan pada
keputusan-keputusan hasil diskusi, pendapat pribadi, dan intuisi. Sedangkan
peramalan obyektif merupakan prosedur peramalan yang mengikuti aturan
matematis dan statistic dalam menunjukkan hubungan antara permintaan dengan
satu atau lebih variable yang mempengaruhinya.
2.3.1. Metode Peramalan Subyektif
1. Metode Delphi, cara yang digunakan dalam metode ini adalah dengan
mengumpulkan pendapat ahli dari bidang yang berbeda secara terpisah.Hal
ini bertujuan untuk menghindari pengaruh kelompok. Jika terdapat perbedaan
pendapat yang signifikan maka akan dinyatakan lagi kepadayang
bersangkutan hingga akhirnya diperoleh angka estimasi tertentu pada interval
yang dapat diterima.
2. Metode Penelitian Pasar, cara yang dilakukan adalah dengannmengumpulkan
dan menganalisa fakta secara sistematis yang berhubungan dengan
pemasaran. Yang paling biasa dilakukan adalah dengan mengadakan survey
konsumen.
2.3.2. Metode Peramalan Obyektif
1. Metode Intrinsik, metode ini membuat peramalan hanya berdasarkanpada
proyeksi permintaan historis tanpa mempertimbangkan factor-faktor
eksternal yang mempengaruhinya. Metode ini hanya cocok digunakan untuk
peramalan jangka pendek pada kegiatan produksi.Metode peramalan intrinsic
diwakili oleh analisis deret waktu atau Timeseries;
2. Metode Ekstriksik,
metode ini mempertimbangkan faktor-faktor eksternal yang mungkin
mempengaruhi besarnya permintaan dimasa yang akan datang. Metode ini
digunakan untuk peramalan jangka panjang yangdapat menunjukkan
 hubungan sebab akibat yang jelas dalam hasil peramalannya. Metode
ekstrinsik banyak digunakan untuk peramalan pada tingkat agregat.
Kelemahan dari metode ini adalah dalam hal mahalnya biaya aplikasinya dan
frekuensi perbaikan hasil peramalan yang rendah karena sulitnya
mengumpulkan informasi perubahan faktor-faktor eksternal yang terukur.
Metode ini diwakili oleh metode regresi.
2.4. Prosedur Peramalan
Berikut adalah langkah-langkah yang dilakukan dalam perencanaan jangka pendek:
1. Agresikan data permintaan masa lalu item–item yang sama per periode;
2. Buat diagram pencar data permintaan agregat masa lalu untuk family yang akan
diramalkan kebutuhan pasarnya;
3. Tentukan model-model peramalan deret waktu yang sesuai dengan pola data
permintaan masa lalu;
4. Hitung parameter-parameter untuk setiap model peramalan yang telah
ditentukan;
5. Tentukan ukuran error yang akan digunakan untuk mengevaluasi model
peramalan;
6. Hitung error yang dihasilkan setiap model peramalan;
7. Evaluasi model peramalan dengan membandingkan error yang dihasilkan oleh
setiap model peramalan;
8. Pilih metode peramalan yang memiliki error terkecil;
9. Dengan menggunakan metode peramalan terbaik, ramalkan permintaan agrerat
untuk periode kedepan yang telah ditentukan.
 BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1. Data Permintaan Produk

Data Permintaan Produk (satuan unit) selama 12 bulan terakhir adalah sebagai
berikut:
1. Data permintaan produk tahun 2017
Bulan Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nop Des
Demand 678 700 746 775 820 880 890 900 930 940 950 995

3.2. Scatter Diagram Data Historis Permintaan Produk

Scatter Diagram Data Historis Permintaan Produk

2017 (Linear)
1000
950
900
850
800
750
700
650
600
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nop Des

3.3. Peramalan (Forecasting) Data Historis Menggunakan Software QM for

Windows V5
1. Peramalan dengan Metode Exponential Smoothing 12 bulan
Verifikasi hasil peramalan metode Exponential Smoothing 12 bulan dengan
Tracking Signal.

Verifikasi hasil peramalan metode Exponential Smoothing 12 bulan dengan

Details Error Analysis.

Dari hasil peramalan metode Exponential Smoothing diatas didapat nilai MSE
(Mean Squared Error) = 3153,209
2. Peramalan dengan Metode Linear Regression/Least Squares 12 bulan

Dari hasil peramalan metode Linear Regression/Least Squares MSE (Mean

Squared Error) = 389,895

3. Peramalan dengan Metode Exponential Smoothing With Trend 12 bulan

Verifikasi hasil peramalan metode Exponential Smoothing With Trend 12 bulan

dengan Tracking Signal.
 Verifikasi hasil peramalan metode Exponential Smoothing with Trend 12 bulan
dengan Details Error Analysis.

Dari hasil peramalan metode Exponential Smoothing diatas didapat nilai MSE
(Mean Squared Error) = 1324,017
3.4. Menghitung Ongkos Biaya Produksi Per Unit

Perhitungan Ongkos Produksi Per Unit

Jumlah
No Description Harga Jumlah Harga
/Pcs
1 Papan Meja 1 20000 20000
2 Bracket 1 50000 50000
3 Mur 10 5000 5000
4 Bersi Hollow 1 23000 23000
5 Besi Penyangga 2 8000 16000
6 Besi Kaki 1 15000 15000
7 Karet Penutup 2 2500 5000
8 Karet Penyangga 2 3000 6000
 Ongkos Produksi Ongkos Produksi
Bulan Bulan
Papan Meja Bracket
Januari 13560000 Januari 33900000
Februari 14000000 Februari 35000000
Maret 14920000 Maret 37300000
April 15500000 April 38750000
Mei 16400000 Mei 41000000
Juni 17600000 Juni 44000000
Juli 17800000 Juli 44500000
Agustus 18000000 Agustus 45000000
September 18600000 September 46500000
Oktober 18800000 Oktober 47000000
November 19000000 November 47500000
Desember 19900000 Desember 49750000

Ongkos Produksi
Bulan Ongkos Produksi Mur Bulan
Besi Hollow
Januari 3390000 Januari 15594000
Februari 3500000 Februari 16100000
Maret 3730000 Maret 17158000
April 3875000 April 17825000
Mei 4100000 Mei 18860000
Juni 4400000 Juni 20240000
Juli 4450000 Juli 20470000
Agustus 4500000 Agustus 20700000
September 4650000 September 21390000
Oktober 4700000 Oktober 21620000
November 4750000 November 21850000
Desember 4975000 Desember 22885000
 Ongkos
Ongkos Produksi Besi
Bulan Bulan Produksi
Penyangga
Karet Penutup
Januari 5424000 Januari 1695000
Februari 5600000 Februari 1750000
Maret 5968000 Maret 1865000
April 6200000 April 1937500
Mei 6560000 Mei 2050000
Juni 7040000 Juni 2200000
Juli 7120000 Juli 2225000
Agustus 7200000 Agustus 2250000
September 7440000 September 2325000
Oktober 7520000 Oktober 2350000
November 7600000 November 2375000
Desember 7960000 Desember 2487500

Ongkos
Bulan Ongkos Produksi Besi Kaki Bulan Produksi Karet
Penyangga
Januari 10170000 Januari 2034000
Februari 10500000 Februari 2100000
Maret 11190000 Maret 2238000
April 11625000 April 2325000
Mei 12300000 Mei 2460000
Juni 13200000 Juni 2640000
Juli 13350000 Juli 2670000
Agustus 13500000 Agustus 2700000
September 13950000 September 2790000
Oktober 14100000 Oktober 2820000
November 14250000 November 2850000
Desember 14925000 Desember 2985000