Modul 1
Modul 1
PERTEMUAN 1
“PERKIRAAN PERMINTAAN PRODUK”
PRAKTIKUM PERANCANGAN TEKNIK INDUSTRI - 2
(Diajukan Sebagai Salah Satu Syarat Kelulusan Praktikum Perancangan Teknik Industri - 2)
Disusun oleh :
Kelompok R – 2
Sesi : 4, Selasa Pukul (08.00 – 10.30 WIB)
Rohmaturrohman 2514161019
Permintaan
Periode Kursi Drum Kursi Drum Rangka Stand
Berlubang Berulir Drum Mic
Cacat 2% 2% 2% 2%
1 434 233 120 550
2 351 300 240 585
3 760 233 300 615
4 550 237 278 603
5 322 255 240 581
6 400 296 288 500
7 372 293 470 490
8 588 239 331 441
9 780 300 240 466
10 530 267 210 450
11 342 282 315 320
12 450 270 288 300
I-1
BAB II
PENGOLAHAN DATA
Dari grafik tersebut, dapat ditelaah bahwa permintaan kursi berfluktuasi tidak
tetap. Dikatakan tidak tetap karena permintaan terkadang turun drastis ataupun naik
drastis. Hal ini dapat disebabkan oleh faktor perekonomian jangka panjang. Dari
pernyataan tersebut dapat kita tarik benang merah bahwa pada periode ke-2 sampai ke-5
III-2
Bab II Pengolahan Data R-2
dan periode ke-7 sampai periode ke-11 dipengaruhi oleh faktor tersebut. Oleh karena
itu, permintaan kurdi drum berlubang berpola SIKLIS. Masalah ini perlu diselesaikan
dengan peramalan bentuk fungsi siklus, single eksponential smoothing, dan double
eksponential smoothing agar tidak terjadi bottle neck di lantai produksi
Gafik di atas meunjukkan suatu pola permintaan kursi drum berulir yang
berfluktasi di sekitaran nilai konstan yaitu 320 ± 4. Hal ini dapat dibuktikan dari nilai
permintaan pada perioda 2 dengan permintaan sebanyak 324 unit, perioda 6 sebanyak
320 unit, perioda 7 sebanyak 317 unit, dan perioda 9 sebanyak 324 unit. Maka dari itu,
grafik tersebut berpola HORIZONTAL. Maka metoda peramalan yang dapat
digunakan yaitu metoda konstan, single eksponensial smoothing, regresi linear, dan
single moving average. Namun Dalam permasalahan kali ini, mahasiswa menggunakan
simple average, moving average,single eksponensial smoothing, double eksponensial
smoothing, regresi linear.
Grafik di atas menunjukkan pola MUSIMAN. Hal ini dapat dilihat dari titik
optimum yang cenderung curam pada perioda waktu 3 bulan dan berulang pada periode
bulan ke-8. Titik optimum yang curam ini menunjukkan banyaknya permintaan dalam
satu musim. Metoda peramalan yang dapat digunakan untuk plot data ini adalah metode
Winder dengan faktor musiman, regresi Linier, dan singgle exsponential smoothing.
Dalam modul kali ini, mahasiswa akan melakukan peramalan dengan metode simple
average, moving average,single eksponensial smoothing, double eksponensial
smoothing, regresi linear.
Dari grafik permintaan Stand Mic di atas, dapat kita ketahui adanya penurunan
jangka panjang yaitu pada perioda ke-5 sampai perioda ke-8. Jika ditelaah dalam modul
praktikum dapat kita temukan informasi bahwa grafik dengan kasus seperti ini berpola
TREND karena terjadi kenaikkan atau penurunan sekuler jangka panjang dalam data.
Metode yang dapat digunakan yaitu regresi linier, double eksponential smoothing,
double moivng average.
Gambar 2.7. Forecast Result Komponen Kursi Berlubang metode Sngle Average
Gambar 2.8. Forecast Setup Komponen Kursi Berlubang metode Moving Average
Gambar 2.9. Forecast Result Komponen Kursi Berlubang metode Moving Average
Gambar 2.10. Forecast Setup Komponen Kursi Berlubang metode Single Exponential Smoothing
Gambar 2.11. Forecast Result Kursi Berlubang metode Single Exponential Smoothing
Gambar 2.12. Forecast Setup Kursi Berlubang metode Double Exponential Smoothing
5. Linear Regression
Gambar 2.14. Forecast Setup Kursi Berlubang metode Linear Regression with Time
Gambar 2.15. Forecast Result Komponen Kursi Berlubang metode Linear Regression
2.3.1.1. Tabel Hasil Rekapan MSE Dari Setiap Metode untuk Produk Kursi Drum
Berlubang
Berikut ini merupakan hasil rekapan MSE dari metode Simple average,
Moving Average, Single Exponential Smoothing, Double Exponential
Smoothing, dan Linear Regression
Tabel 2.2. Tabel hasil rekapan MSE produk Kursi drum Berlubang
Kursi Drum
Berlubang
Periode Permintaan
13 517
14 518
15 520
16 521
17 523
Kursi Drum
Berlubang
Periode Permintaan
18 524
2.3.2. Peramalan Permintaan Pada Produk Kursi Drum Berulir Pola Horizontal
Gambar 2.17. Forecast Setup Komponen Kursi Berulir metode Simple average
Gambar 2.18. Forecast Result Komponen Kursi Berulir metode Simple average
Gambar 2.19. Forecast Setup Komponen Kursi Berulir metode Moving Average
Gambar 2.20. Forecast Result Komponen Kursi Berulir metode Moving Average
Gambar 2.21. Forecast Setup Kursi Berulir metode Single Exponential Smoothing
Gambar 2.22. Forecast Result Kursi Berulir metode Single Exponential Smoothing
Gambar 2.23. Forecast Setup Kursi Berulir metode Double Exponential Smoothing
Gambar 2.24. Forecast Result Kursi Berulir metode Double Exponential Smoothing
Gambar 2.25. Forecast Result Kursi Berulir metode Linear Regression with Time
Gambar 2.26. Forecast Result Komponen Kursi Berulir metode Linear Regression with Time
2.3.2.1. Tabel Hasil Rekapan MSE dari Setiap Metode untuk Produk Kursi Drum
Berulir
Berikut ini merupakan hasil rekapan MSE dari metode Simple average,
Moving Average, Single Exponential Smoothing, Double Exponential
Smoothing, dan Linear Regression.
Tabel 2.4. Tabel hasil rekapan MSE produk Kursi drum Berulir
2.3.3. Peramalan Permintaan Pada Produk Rangka Drum Pola Data Musiman
Gambar 2.32 Forecast Setup Rangka Drum metode Single Exponential Smoothing
Gambar 2.33 Forecast Result Komponen Rangka Drum metode Single Exponential Smoothing
Gambar 2.34 Forecast Setup Komponen Rangka Drum metode Double Exponential Smoothing
Gambar 2.35 Forecast Result Rangka Drum metode Double Exponential Smoothing
Gambar 2.36 Setup Komponen Rangka Drum metode Linear Regression with Time
Gambar 2.37 Forecast Result Komponen Rangka Drum metode Linear Regression with Time
2.3.3.1 Tabel Hasil Rekapan MSE ari Setiap Metode untuk Produk Rangka Drum
Berikut ini merupakan hasil rekapan MSE dari metode Simple average, Moving
Average, Single Eksponential Smoothing, Double Eksponential Smoothing, dan
Linear Regression .
Gambar 2.41. Forecast Setup Produk Stand Mic Metode Moving Average
Gambar 2.42 Forecast Result Produk Stand Mic Metode Moving Average
Gambar 2.43 Forecast Setup Produk Stand Mic Metode Single Exponential Smoothing
Gambar 2.44 Forecast Result Produk Stand Mic Single Exponential Smoothing
Gambar 2.45 Forecast Setup Stand Mic Metode Double Exponential Smoothing
Gambar 2.46. Forecast Result Produk Stand Mic Metode Double Exponential Smoothing
Gambar 2.48 Forecast Result Produk Stand Mic Metode Linear Regression
2.3.4.1. Tabel Hasil Rekapan MSE dari Setiap Metode untuk Produk Stand Mic
Berikut ini merupakan hasil rekapan MSE dari metode Simple average,
Moving Average, Single Eksponential Smoothing, Double Eksponential
Smoothing, dan Linear Regression .
Perusahaan PT Maju Terus yang bergerak dalam bergerak dalam bidang manufaktur
yang memproduksi kursi drum, selalu menginginkan keberhasilan dalam aktifitaas di masa
yang akan datang. Ini menunjukkan bahwa setiap perusahaan selalu berusaha untuk tetap
berkembang dalam bidang usahanya di masa yang akan datang.
Pimpinan yang memiliki kemampuan untuk dapat menetapkan keputusan yang tepat
dalam menghadapi masa depan yang penu ketidak pastian, agar perudahaan dapat meraih apa
yang menjadi tujuannya. Salah satu hal yang paling penting untuk mewujudkan hal tersebut
adalah memperkirakan atau meramalkan (forecasting) besarnya penjualan atau permintaan
pelanggan akan barnang yang dihasilkan.
Seorang Manajer selalu berkeinginan untuk dapat memprediksi besarnya permintaan
produk kursi drum. Manajer dan analis melakukan peramalan permintaan untuk beberapa
produk yang terdiri dari kursi drum berlubang, kursi drum berulir, rangka drum dan stand
mic. Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu
produk atau beberapa produk dalam periode yang akan datang. (Biegel, 19). Peramalan
merupakan tahapan pertama dalam perencanaan dan pengendalian produksi. Peramalan tidak
hanya digunakan untuk memperkirakan permintaan produk saja, namun secara luas juga
digunakan dalam sistem lainnya. Peramalan digunakan untuk menentukan kebijakan
pengendalian dari sistem persediaan (inventory), membuat perencanaaan produksi,
pembebanan mesin, menentukan kebutuhan mesin, peralatan, bahan serta untuk menentukan
tingkat tenaga kerja selama periode produksi. Oleh karena itu, peramalan hanya dilakukan
untuk perusahaan dengan sistem permintaan make to stock.
Peramalan permintaan merupakan tingkat permintaan produk yang diharapkan akan
terealisir untuk jangka waktu tertentu pada masa yang akan datang. Peramalan permintaan
menjadi masukan yang sangat penting dalam keputusan perencanaan dan pengendalian
perusahaan karena bagian operasional produksi bertanggung jawab terhadap pembuatan
produk yang dibutuhkan oleh konsumen, maka keputusan – keputusan operasi produksi
sangat dipengaruhi hasil dari peramalan permintaan seperti membuat perencanaan produksi,
mengelola persediaan, mengelola bahan baku, mengelola, mengelola peralatan dan mengelola
sumber daya manusia.
Secara garis besar, peramalan terbagi ke dalam dua kategori yaitu Metode Kuantitatif
dan Metode Kualitatif. Namun pada praktikum ini, mahasiswa melakukan peramalan dengan
menggunakan metode kuantitatif time series. Metode kuantitatif menggunakan data masa lalu
III-35
Bab II Pengolahan Data R-2
untuk memperkirakan data di masa yang akan datang. Metode ini terbagi menjadi dua yaitu
Metode Time Series dan Metode Kausal.
Metode Time Series merupakan metode peramalan yang menggunakan waktu sebagai
dasar peramalan. Metode peramalan yang populer dan umum diterapkan dalam peramalan
permintaan pada metode time series adalah rata – rata bergerak (moving average),pemulusan
eksponensial (exponential smoothing) dan proyeksi kecenderungan (trend projection).
Sedangkan Metode Kausal adalah metode peramalan yang memiliki beberapa faktor sebagai
dasar peramalan. Metode yang umum digunakan adalah metode regresi.
Analis mengkonversi data permintaan dengan menambahkan persentase kecacatan
sebesar 2% yang berguna untuk mengantisipasi terjadinya kecacatan produk. Besarnya
persentase kecacatan tergantung dengan kebijakan perusahaan dan pada praktikum kali ini
persentase kecacatan yang digunakan sebesar 2% karena belum menerapkan praktek lean
manufacturing.
Walaupun ditambahkan presentase kecacatan sebagai nilai toleransi dar kesalahan
namun, hasil peramalan dalam prakteknya hamper tidak pernah secara mutlak tepat. Hal ini
karena keadaan maupun kejadian di masa yang akan datang tidak menentu. Meskipun
demikian, apabila semua factor penting yang mempengaruhi telah diperhitungkan dan model
hubungan dari factor-faktor tersebut ditentukan dengan baik, maka hasil peramalan akan
mendekati kondisi yang sebenarnya, maka harus dilakukan dengan hati-hati terutama dalam
pemilihan metode dalam kasus yang akan diteliti. Hal ini dipertimbangkan karena tidak ada
satupun metode dari perkiraan dan peramalan yang dapat dipergunakan secara universal untuk
seluruh keadaan dan situasi.
Penggunaan metode peramalan yang tepat harus mempertimbangkan pola data yang
terbentuk. Terdapat empat jenis pola data yaitu Pola Data Horizontal (H), Pola Data Musiman
(S), Pola Data Siklis (C), dan Pola Data Trend (T). Pada produk kursi drum berlubang
memiliki pola data siklis karena berfluktuasi tidak tetap. Pada periode 2 ke 4, dan periode 7 ke
11 mempunyai bentuk pola yang sama. Data tersebut diakibatkan oleh satu penyebab yaitu
tingkat perekonomian jangka panjang yang baik. Sehingga metode peramalan menggunakan
metoda bentuk fungsi siklus, single eksponential smoothing, dan double eksponential
smoothing.
Produk kursi drum berulir memiliki pola data horizontal karena data berfluktuasi
disekitar nilai rata – rata yang konstan sehingga peramalan menggunakan metode konstan,
single eksponential, single moving average, dan regresi linear. Produk rangka drum memiliki
pola data musiman karena dalam suatu kurun waktu tertentu terdapat beberapa perioda yang
permintaannya naik dengan pesat sehingga peramalan menggunakan metoda winter dengan
Praktikum Perancangan Teknik Industri-2 II-36
Bab II Pengolahan Data R-2
faktor musiman, regresi linier, dan single eksponential smoothing. Produk stand mic memiliki
pola data trend terjadi kenaikan atau penurunan sekuler jangka panjang dalam data yaitu pada
periode kelima sampai periode delapan sehingga peramalan menggunakan metode regresi
linier, double eksponential smoothing, dan double moving average.
Pada penelitian ini menggunakan software WINQSB (Win Quantitive System for
Business). Software tersebut digunakan untuk menyelesaikan masalah – masalah operasional
riset dan ilmu manajemen karena dapat menghasilkan perhitungan yang cepat dari sebuah
data sehingga dapat mengambil keputusan dengan cepat. Software ini digunakan untuk
menghitung peramalan permintaan. Metode yang digunakan dalam peramalan ini yaitu
metode konstan, linier, rata – rata, rata – rata bergerak, dan eksponential smoothing. Kelima
metode tersebut termasuk peramalan time series. Kelima metode ini merupakan metode
peramalan time series yang paling umum digunakan. Peramalan time series dipilih karena
pada penelitian kali ini diasumsikan hanya faktor waktu yang mempengaruhi peramalan dan
faktor lainnya dianggap konstan. Namun terdapat kekurangan pada metode peramalan time
series yaitu kurangnya keakuratan karena hanya memfokuskan pada perilaku data tunggal di
masa lalu.
Pada metode moving average digunakan 3 perioda data karena dalam peramalan ini
diasusmsikan permintaan pasar terhadap produk tetep stabil dalam kurun waktu 3 bulan.
Kemudian 3 perioda data ini dirata-ratakan. Tujuan utama dari penggunaan rata-rata bergerak
adalah untuk mengurangi atau menghilangkan acakan dalam deret waktu. Kemudian nilai
rata-rata tersebut digunakan untuk peramalan perioda yang akan datang. Dalam metode
moving average dapat dilihat bahwa semua data observasi memiliki bobot yang sama yang
membentuk rata-ratanya. Padahal data observasi terbaru seharusnya lebih besar disbanding
data masa lalu. Hal ini dipandang sebagai kelemahan dari metode moving average.
Kekurangan pada metode moving average dapat sedikit teratasi dengan metode
eksponential smoothing karena pada metode eksponential smoothing menggunakan nilai
sebesar 0,5. Konstanta perumusan α berfungsi sebagai faktor penimbang dan mengurangi
kerandoman, dimana 0 < < 1. Jika α mendekati 1, berarti nilai ramalan yang baru sudah
memasukan faktor penyesuaian untuk setiap tingkat kesalahan yang terjadi pada nilai
ramalan yang lama. Sebaliknya, bila α mendekati 0 berarti niai ramalan yang baru hampir
sama dengan nilai ramalan yang lama atau permintaan tidak berfluktuasi. Nilai α=0,5 dipilih
karena merupakan titik penengah yang baik, bisa digunakan untuk data berfluktuasi dan tidak.
Kesalahan peramalan diukur menggunakan metode Mean Square Error (MSE),
metode ini mengatur kesalahan peramalan yang besar karena kesalahan – kesalahan itu
dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih
Praktikum Perancangan Teknik Industri-2 II-37
Bab II Pengolahan Data R-2
baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar. Metode
peramalan terbaik dipilih berdasarkan ukuran kesalahan terkecil. Metode dengan nilai MSE
terkecil merupakan metode peramalan terbaik. Semakin kecil nilai MSE maka hasil
peramalan semakin mendekati nilai aktual permintaan. Nilai MSE produk yang mendekati
nilai actual permintaan yaitu produk kursi drum berulir, stand mic, rangka drum, dan kursi
drum berlubang. Nilai MSE terkecil pada setiap produk didapatkan dari Metode Linear
Regression sehingga metode tersebut menjadi metode terbaik dalam peramalan permintaan
pada penelitian ini. Hal ini disebabkan karena Metode Linear Regression sebagai salah satu
metode statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun
prediksi tentang karakteristik kualitas maupun kuantitas serta memiliki tingkat keakurasian
yang tinggi.
Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan. Verifikasi
peramalan merupakan langkah penting karena dengan verifikasi peramalan dapat menentukan
kriteria peramalan yang dilakukan (parameter) apakah peramalan dikatakan baik atau tidak.
Verifikasi terhadap hasil peramalan digunakan peta kendali Moving Range (MR). Peta Moving
Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai peramalan. Data
permintaan aktual dibandingkan dengan nilai peramalan pada periode yang sama. Peta
tersebut dikembangkan ke periode yang akan datang hingga dapat dibandingkan data
peramalan dengan permintaan aktual. Peta Moving Range digunakan untuk pengujian
kestabilan sistem sebab-akibat yang mempengaruhi permintaan. Setelah dilakukan verifikasi
peramalan dapat dilihat bahwa pada produk kursi drum berulir memiliki dua data out of
control pada titik 3 dan 9 yang berada dibawah garis LCL (Lower Control Limit), hal tersebut
diakibatkan oleh ketidakseragamannya data. Sedangkan pada produk lainnya tidak terdapat
data yang out of control. Dilakukan round up pada semua data yang dihasilkan karena
permintaan dikret.
4.1 Simpulan
1. Pola data yang terbentuk :
Produk kursi drum berlubang berpola siklis
Produk kursi drum berulir berpola horisontal
Produk rangka drum berpola musiman
Produk stand mic berpola trend
2. Metode terpilih dari setiap produk adalah Linear Regression
3. Nilai MSE terkecil :
Produk kursi drum berlubang sebesar 2307
Produk kursi drum berulir sebesar 626
Produk rangka drum sebesar 5856
Produk stand mic sebesar 1998
4. Hasil peramalan permintaan 6 periode kedepan :
Produk kursi drum berlubang
- Periode 13 : 517
- Periode 14 : 518
- Periode 15 : 520
- Periode 16 : 521
- Periode 17 : 523
- Periode 18 : 524
Produk kursi drum berulir
- Periode 13 : 298
- Periode 14 : 300
- Periode 15 : 303
- Periode 16 : 306
- Periode 17 : 308
- Periode 18 : 3011
Produk rangka drum
- Periode 13 : 340
- Periode 14 : 348
- Periode 15 : 356
- Periode 16 : 363
IV-43
Bab IV Simpulan dan Saran R-2
- Periode 17 : 371
- Periode 18 : 379
Produk stand mic
- Periode 13 : 338
- Periode 14 : 312
- Periode 15 : 285
- Periode 16 : 259
- Periode 17 : 233
- Periode 18 : 206
5. Peta kendali
Produk kursi drum berlubang
- LCL : - 490
- MR Bar : 184
- UCL : 490
Produk kursi drum berulir
- LCL : - 492
- MR Bar : 185
- UCL : 492
Produk rangka drum
- LCL : - 494
- MR Bar : 186
- UCL : 494
Produk stand mic
- LCL : 485
- MR Bar : 182
- UCL : 485