SISTEM PRODUKSI

PEMBUATAN KUSEN JENDELA

Disusun Oleh:

NUR AZLINA (170130009)

SARA FEBRIZA (170130041)

KALGHIARY MUZI (110130062)

LISMAYANA (170130080)

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS MALIKUSSALEH
2020
 KATA PENGANTAR

Puji syukur penyusun panjatkan ke hadirat Allah Subhanahu wata΄ala, karena

berkat rahmat-Nya Kami bisa menyelesaikan tugas Makalah mata kuliah SISTEM
PRODUKSI yang berjudul  Pembuatan Kusen Jendela. Kami mengucapkan terima
kasih kepada semua pihak yang telah membantu sehingga makalah ini dapat
diselesaikan tepat pada waktunya. Makalah ini masih jauh dari sempurna, oleh karena
itu Kami mengharapkan kritik dan saran yang bersifat membangun demi
kesempurnaan makalah ini. Semoga makalah ini memberikan informasi bagi
pembaca, mahasiswa dan bermanfaat untuk pengembangan wawasan dan peningkatan
ilmu pengetahuan bagi kita semua.

           

Lhokseumawe, 14 Maret 2020

 DAFTAR ISI

KATA PENGANTAR................................................................................................i
DAFTAR ISI...............................................................................................................ii

BAB I PENDAHULUAN
1.1 latar belakang............................................................................................1
1.2 rumusan masalah.......................................................................................2
1.3 tujuan.........................................................................................................2

BAB II LANDASAN TEORI

2.1 ruang lingkup bidang usaha.....................................................................3
2.1.1 alat dan bahan.................................................................................3
2.1.2 bahan..............................................................................................4
2.1.3 proses produksi..............................................................................4
2.2 peramalan................................................................................................5
2.2.1 pengertian dan fungsi peramalan...................................................5
2.2.2 langkah-langkah peramalan...........................................................5
2.2.3 jenis-jenis metode peramalan........................................................6
2.2.4 tujuan utama dari peramalan..........................................................7
2.3 peranan peramalan dalam sistem poduksi............................................8
2.4 karakteristik peramalan yang baik.......................................................10
2.5 beberapa hasil sifat peramalan.............................................................11
2.6 klasifikasi metode peramalan...............................................................12
2.7 kriteria performance peramalan............................................................16
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
3.1 pengumpulan data....................................................................................18
3.2 pengolahan data.......................................................................................18
BAB IV PENUTUP
4.1 kesimpulan............................................................................................... 24

DAFTAR PUSTAKA
LAMPIRAN
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada saat ini dengan perkembangan perusahaan yang terus meningkat dan persaingan
semakin semarak, maka bagi manajer perusahaan harus memiliki alternatif kedepan agar
produk yang dihasilkan sesuai dangan permintaan konsumen, dengan demikian perusahaan
tidak mengalami pembelian bahan bakuyang berlebihan sehingga mencapai tingkat
produktivitas yang maksimal bagi perusahaan.

Proses peramalan memberikan pengaruh terhadap tingkat inventori yang akan

dimiliki oleh perusahaan. Disini kami melakukan peramalan terhadap produksi kusen dengan
memprediksi jumlah permintaan atau jumlah produk yang harus diproduksi dimasa yang akan
datang sehingga dengan melakukan proses peramalan, perusahaan akan dapat memperkirakan
inventori yang harus dilakukan di masa depan. Peramalan akan meminimalisir terjadinya
kekurangan atau kelebihan inventori yang akan menyebabkan kerugian di perusahaan.
Peramalan juga berpengaruh terhadap service level dimana apabila perusahaan dapat
memprediksi demand dengan tepat maka perusahaan akan dapat memenuhi permintaan
konsumen dengan cepat dan tepat. Konsumen tidak perlu lagi menunggu barang diproduksi
namun sudah tersedia di inventori sehingga hal tersebut dapat meningkatkan service level
kepada konsumen dari perusahaan.

Forecesting (peramalan) berasal dari kata ramalan yang berarti adalah situasi atau
kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Sedangkan peramalan
adalah bentuk kegiatannya. Ramalan tersebut dapat didasarkan atas bermacam-macam cara
yaitu Metode Konstan, Metode Linear, Metode Kuadratis, Metode Siklis, atau Metode
Eksponensial. Semua itu dikenal dengan peramalan. Pada Forecasting (peramalan) ini, akan
dilakukan peramalan terhadap penjualan kusen selama 12 bulan untuk mengetahui
permintaan pada satu tahun.
Disini kami melakukan pengamatan produksi kusen di daerah Blang Pulo pada hari senin, 9
Maret 2020.

1.2 Perumusan Masalah

Berdasarkan latar belakang tersebut, maka masalah yang akan dirumuskan adalah
sebagai berikut:

1. Apa metode yang akan digunakan untuk meramalkan jumlah permintaan pada 12
bulan ?
2. Bagaimana karakteristik peramalan yang baik?
3. Berapakah hasil dari peramalan pada produksi kusen selama 12 bulan?

1.3 Tujuan
Adapun tujuan dari Sistem Produksi adalah sebagai berikut:

1. Untuk mengetahui metode yang digunakan dalam meramalkan permintaan terhadap

penjualan pada 12 bulan.
2. Untuk mengetahui karakteristik yang baik dalam peramalan.
3. Untuk mengetahui hasil dari peramalan pada produksi kusen selama 12 bulan.
 BAB II
LANDASAN TEORI

2.1 Ruang Lingkup Bidang Usaha

Merupakan usaha bergerak dalam pembuatan kusen dan pintu. Perusahaan ini
memiliki jumlah tenaga kerja sebanyak 10 orang dan bekerja selama 8 jam
sehari. Sistem produksi berdasarkan make to order yaitu memproduksi sesuai
dengan pesanan konsumen.

2.1.1 Alat dan Bahan

2.1.1.1 Alat
Adapun alat-alat yang digunakan pada proses pembuatan Kusen adalah
sebagai berikut:
1. Paku
2. Meteran
3. Penggaris Siku
4. Gergaji/ Mesin Potong
 5. Amplas Kayu
6. Mesin Serut
7. Pahat
8. Mesin Bor
2.1.1.2 Bahan
1. Kayu
2. Lem Kayu
2.1.1.3 Proses Produksi

Mulai

Pemilihan bahan baku Pemilihan alat dan

mesin

Penjemuran

Pengukuran

Pemotongan

Penghalusan

Perakitan

Perapian hasil
pengerjaan
Gambar 2.1 Skema Proses Produksi Pembuatan Kusen
2.2 Peramalan
2.2.1 Pengertian dan Fungsi Peramalan
Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa
depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan
menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis (Angky
Wahyu P.2013).

Peramalan adalah proses memperkirakan peristiwa mendatang dan digunakan secara

luas di dalam bisnis. Peramalan juga merupakan kegiatan memperkirakan peristiwa yang
akan terjadi pada masa mendatang. Kegunaan dari peramalan terlihat pada saat pengambilan
keputusan. Keputusan yang baik adalah keputusan yang didasari pertimbangan apa yang akan
terjadi pada waktu keputusan itu dilaksanakan (Irga Febrianty Ramdani2013).

Bila peramalan telah dibuat, suatu manfaat dan tujuan harus dapat diperoleh dan
dipersiapkan sehingga dapat mempengaruhi sifat peramalan. Dalam hal ini terdapat tiga
kegunaan dari peramalan (Poetri Raden Aziz2015).

1. Menentukan apa yang dibutuhkan untuk perluasan pabrik.

2. Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk
dikerjakan dengan fasilitas-fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek produk-produk yang ada
untukdikerjakan berdasarkan peralatan yang ada.

2.2.2 Langkah-langkah Peramalan

Adapun lagkah-langkah dalam metode peramalan adalah (Harjo 2014).
a. Mengumpulkan data
b. Menyeleksi dan memilih data. Data-data yang kurang relevan harus di buang
supaya tidak mempengaruhiakurasi peramalan.
c. Menganalisa data.
d. Menentukan metode yang digunakan.
 e. Memproyeksikan data dengan menggunakan metode yang dipergunakan, dan
mempertimbangkan adanya beberapa faktor perubahan.

2.2.3 Jenis-jenis Metode Peramalan

Metode-metode peramalan dengan menggunkan analisa pola hubungan antara
variable yang akan diperkirakan dengan variabel waktu, atau analisa deret waktu, terdiri dari
(Angga 2014).

1. Metode pemulusan (smoothing)

Metode smoothing adalah metode peramalan dengan mengadakan
penghalusan terhadap data pada masa lalu, yaitu dengan mengambil rata-rata dari
nilai beberapa tahun untuk menaksir nilai pada beberapa tahun kedepan.Secara
umum metode smoothing diklasifikasikan menjadi dua bagian yaitu:

a. Metode Rata-rata, yang terdiri dari:

1. Rata-rata Bergerak Tunggal (Single Moving Average).
2. Rata-rata Bergerak Ganda (Double Moving Average.
3. Kombinasi Rata-rata bergerak lainnya.
b. Metode Pemulusan Eksponensial.
Bentuk umum dari metode pemulusan eksponensial adalah:

Ft+1 = αXt + (1-α) F...........................................................................(pers 2.1)

Keterangan:

Ft+1 = ramalan satu periode ke depan

Xt = data aktual pada periode ke t

Ft = ramalan pada periode ke t

α = parameter pemulusan bentuk umum tersebut diperluas, akan berubah menjadi.

Dari perluasan bentuk umum di atas dapatlah dikatakan bahwa Metode Smoothing
Eksponensial merupakan sekelompok metode yang menunjukkan pembobotan menurun
secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi
yang baru diberikan bobot yang relatif besar dengan nilai observasi yang lebih tua. Metode
ini terdiri dari:

a. Pemulusan Eksponensial Tunggal

b. Pemulusan Eksponensial Ganda Metode Linear Satu Parameter
c. Pemulusan Eksponensial Ganda Dua Parameter
d. Pemulusan Eksponensial Klasifiksasi Pagels

2. Metode Box Jenkis

Metode Box Jenkis menggunakan dasar deret waktu dengan model matematis, agar
kesalahan yang terjadi dapat sekecil mungkin yang membutuhkan identifikasi model
estimasi parameternya. Jarang dipakai, namun baik untuk ramalan jangka panjang,
menengah, dan jangka pendek.

3. Metode proyeksi trend dengan regresi.

Metode proyeksi trend dengan regresi, merupakan dasar garis trend untuksuatu
persamaan matematik, sehingga dengan dasar persamaan tersebut dapatdiproyeksikan hal
yang diteliti untuk masa depan.

2.2.4 Tujuan Utama Dari Peramalan

Tujuan peramalan dilihat dengan waktu (Poetr Iraden Aziz 2015).

a. Jangka Pendek (Short Term)

Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat
harian ataupun mingguan dan ditentukan oleh law management.
b. Jangka Menengah (Medium Term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan
atau ataupun kuartal dan ditentukan oleh middle management.

c. Jangka Panjang (Long Term)

 Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat 1
jam, yaitu bisa dilakukan 20 menit,30 menit , ataupun 40 menit dan
ditentukan oleh top management.

2.3 Peranan Peramalan dalam Sistem Produksi

Peranan peramalan dalam perencanaan produksi, yaitu sebagai berikut : (Repository
2011)

1. Business Planning
Berisi rencana pendanaan, pembiayaan dan keuangan perusahaan sebagai dasar untuk
membuat rencana pemasaran.

2. Marketing Planning
Rencana tentang produk yang akan dibuat, penjualan dan pemasaran, sebagai dasar
untuk membuat production planning.

3. Master Production Schdule

Rencana produk akhir yang harus dibuat pada tiap periode selama 1-5 tahun. Produk
akhir, merupakan komposisi dari production planning.

4. Resource Planning
Rencana kapasitas yang diperlukan untuk memenuhi production plan, dapat
dinyatakan dalam jam kerja per orang atau jam kerja per mesin. Merupakan bahan
pertimbangan untuk ekspansi orang, mesin, pabrik, dan lain-lain, yang ditetapkan
berdasarkan kapasitas yang tersedia.

5. Rought Cut Capacity Planning (RCPP)

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 aktivitasForecasting, distribution requirement planning, order entry, shipment,
dan service part requirement.

7. Material Requirement Planning

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.

8. Capacity Requirement Planning

Rencana kebutuhan kapasitas yang dibutuhkan untuk merelealisasikan MPS di tiap
periode dan tiap mesin. CRP lebih teliti dan lebih rinci dibanding RCCP, karena
disarkan pada planned order. Jika kapasitas tidak tersedia bisa ditambah dengan over
time, merubah routing dan lain-lain.

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 melaporkan hasil
dari job tersebut. 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.
 Beberapa bagian organisasi dimana peramalan kini memainkan peranan yang
penting antara lain (Ririez 2010).

a. Penjadwalan sumber daya yang tersedia

Penggunaan sumber daya yang efisien memelukan penjadwalan produksi, tranportasi,
kas, personalia dan sebagainya.

b. Penyediaan sumber daya tambahan

Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru,
atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai
beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di
masa mendatang.

c. Penentuan sumber daya yang diinginkan

Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka
panjang.Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor
lingkungan dan pengembangan internal dari sumber daya finansial, manusia, produk
dan teknologis.Semua penentuan ini memerlukan ramalan yang baik dan manajer
dapat menafsirkan perkiraan serta membuat keputusan yang tepat.

2.4 Karakteristik Peramalan yang Baik

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi,
biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut
(Taufik Maulana 2012).

1. Akurasi
Akurasi dari suatu peramalan diukur dengan hasil kebiasaan dan konsistensi
peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi
atau telalu rendah dibanding dengan kenyataan yang sebenarnya 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.

2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah item
yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan.
Ketiga faktor pemicu biaya tersebut akan mempengaruhi betapa banyak data yang
dibutuhkan, bagaimana pengolahannya (manual atau komputerisasi), bagaimana
penyimpanan datanya dan siapa data ahli yang diperbantukan. 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.

3. Kemudahan/kesederhanaan
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.

4. Respon
Peramalan haruslah bersifat stabil artinya bahwa hasil peramalan tidak
memperlihatkan fluktuasi dan perbedaan yang relative besar dengan kenyataan sebenarnya,
jika hal ini terjadi maka harus diiringi respon dari pengguna peramalan terhadap perbedaan
tersebut, sehingga pengguna mampu untuk mendeteksi secara cepat mengenai terjadinya
penyimpangan terhadap hasil peramalan yang dilakukan (Anonim 2012).

2.5 Beberapa Sifat Hasil Peramalan

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal
yang harus dipetimbangkan yaitu:

1. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi

ketidakpastiaan yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastiaan
tersebut.
 2. Peramalan seharusnya memberikan informasi tetang beberapa ukuran kesalahan,
artinya karena peramalan pasti mengandung kesalahan, maka penting bagi peramal
untuk menginformasikan seberapa besar kesalahan mungkin terjadi.
3. 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.

2.6 Klasifikasi Metode Peramalan

Dalam sistem peramalan, metode yang berbeda akan memberikan hasil yang
berbeda dan derajat galat peramalan yang juga berbeda.Metode peramalan yang ada secara
umum dibagi atas dua model yaitu model kualitatif dan model kuantitatif. Secara lengkap
berbagai metode peramalan digambarkan pada Gambar 2.2 sebagai berikut(Taufik Maulana
2012):
 Gambar 2.2 Taksonomi Peramalan

1. Peramalan Kualitatif
Peramalan Kualitatif merupakan peramalan yang didasarkan atas data
kualitatif pada masa lalu.Hasil peramalan yang dibuat sangat tergantung pada
orang yang menyusunnya.Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan
serta pengalaman penyusunan.Metode peramalan kualitatif ini tidak memerlukan
data yang serupa seperti metode peramalan kuantitatif. Input yang dibutuhkan
tergantung pada pemikiran intuitif, pertimbangan, danpengetahuan yang telah
didapat.
2. Peramalan Kuantitatif
Metode Kuantitatif adalah metode peramalan yang sangat mengandalkan pola
data historis yang dimiliki atau atas data kuantitatif pada masa lalu.Hasil
peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam
peramalan tersebut.Baik tidaknya metode yang digunakan ditentukan oleh
perbedaan antara penyimpangan hasil ramalan dengan kenyataan yang terjadi.
Peramalan kuantitatif ini dipergunakan bila terdapat kondisi sebagai berikut:
a. Tersedianya informasi tentang masa lalu.
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus
berlanjut sampai ke masa datang.

Adapun langkah-langkah peramalan secara kuantitatif sebagai berikut : (Anonim

2014).

a. Definisikan tujuan peramalan.

b. Pembuatan Scatter Diagram.
c. Pemilihan minimal dua metode peramalan yang dianggap sesuai.
d. Hitung parameter-parameter fungsi peramalan.
e. Hitung kesalahan setiap metode peramalan.
f. Pengujian hipotesis, pemilihan metode terbaik dengan kesalahan terkecil.
3. Metode Time Series
Metode time series adalah metode yang dipergunakan untuk menganalisis
serangkaian data yang merupakan fungsi dari waktu.Metode ini mengasumsikan
beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya
dapat diidentifikasi semata-mata atas dasar data historis dari serial itu. Dengan metode
deret waktu dapat ditunjukkan bagaimana permintaan terhadap suatu produk tertentu
bervariasi terhadap waktu. Sifat dari perubahan permintaan dari tahun ke tahun
dirumuskan untuk meramalkan penjualan pada masa yang akan datang.

4. Metode Proyeksi Kecenderungan dengan Regresi

Salah satu metode peramalan time series yang digunakan pada laporan ini yang
adalah metode proyeksi kecenderungan dengan regresi. Metode kencenderungan dengan
regresi merupakan metode perhitungan peramalan berdasarkan garis kecenderungan,
sehingga dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan ini
sangat baik.Data yang dibutuhkan untuk metode ini adalah tahunan. Metode regresi
terbagi atas beberapa metode antara lain (Anonim 2014).

a. Konstan, dengan fungsi peramalan:

Y’ = a ....................................................................................... (pers 2.2)

a=
∑ Y ........................................................................................(pers 2.3)
n

Dimana: Y’ = nilai peramalan pada periode t

n = jumlah periode

b. Linier, dengan fungsi peramalan:

Yt = a + b.......................................................................................(pers 2.4)

a=
∑ Y ( t )−b ∑ t ......................................................................(pers2.5)
n

n ∑ ty −∑ ( t ) ∑ ( y )
b= 2 ..............................................................(pers 2.6)
n−∑ t 2 −( ∑ t )
c. Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct2...............................................................................(pers 2.7)

a=
∑ Y −b ∑ t−c ∑ t 2
n .............................................................(pers 2.8)

λδ −θα
b= ...................................................................................(pers 2.9)
λβ−α 2

θ−bα
c= ......................................................................................(pers 2.10)
λ
2
λ=( ∑ t 2 ) − n ∑ ......................................................................(pers
t4 2.11)
.................................................................(pers 2.12)
δ =∑ t ∑ Y −n ∑ tY

θ=∑ t 2 ∑ Y −n ∑ t 2................................................................(pers
Y 2.13)

................................................................(pers 2.14)
α =∑ t 2 ∑ t 2− n ∑ t 3

2 ¿
β=(∑ t ) −n ∑ talignl¿ 2 ¿ ¿ pers 2.15)
......................................................................(
d. Eksponensial, dengan fungsi peramalan:
..........................................................................................(pers 2.16)
Yt = aebt

ln a=
∑ ln Y −b ∑ t
...................................................................(pers 2.17)
n

n ∑ t ln Y −∑ t ∑ ln Y
ln a= 2 ......................................................(pers 2.18)
n ∑ t 2− ( ∑ t )

e. Siklis, dengan fungsi peramalan :

2 πt 2 πt ......................................................(pers 2.19)
Y '=a+b sin +c cos
n n
 2 τt 2 τt
∑ Y =na+b sin n
+ c ∑ cos .............................................(pers 2.20)
n

2 τt 2 τt 2τ 2 τt 2 τt
∑ Y sin =a ∑ sin + b sin2 +c ∑ sin cos ......(pers 2.21)
n n n n n

2 τt 2 τt 2τ 2 τt 2 τt
∑ Y cos =a ∑ cos +c ∑ cos 2 +b ∑ sin cos ......(pers 2.22)
n n n n n

2.7 Kriteria Performance Peramalan

Seorang perancang tentu menginginkan hasil perkiraan peramalan yang tepat atau
paling tidak dapat memberikan gambaran yang paling mendekati sehingga rencana yang
dibuatnya merupakan rencana yang realistis.Ketepatan yang kecil memberikan arti ketelitian
peramalan tinggi, keakuratan hasil peramalan tinggi, begitu pula sebaliknya. Besar kesalahan
suatu peramalan dapat dihitung dengan beberapa metode yaitu (Anonim2014).

1. Mean Square Error (MSE)

m
∑ ( T t −Y ' t ) 2
MSE= t =1 ...................................................................(pers 2.23)
n

Dimana: Tt = Data aktual periode t

Y’t = Nilai ramalan periode t

n = Banyaknya periode

2. Standard Error of Estimate (SEE)

m

SEE =

Dimana :
√ ∑ ( T t −Y ' t ) 2
t =1
n−f
...................................................................(pers 2.24)

f = Nilai derajat kebebasan

f = 1 (untuk data Konstan)

 f = 2 (untuk data Linier)

f = 2 (untuk data Eksponensial)

f = 3 (untuk data Kuadratis)

f = 3 (untuk data Siklis)

3. Percentage Error (PE)

T t−Y ' t .............................................................(pers 2.25)

PE t =( Tt )
x 100 %

Dimana nilai dari PEt bisa positif atau pun negative

4. Mean Absolute Percentage Error (MAPE)

PE t =
∑|PE t|...................................................................................(pers.2.26)
n
 BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1 Pengumpulan data

Adapun pengumpulan data dari UD Pembuatan Kusen dengan data permintan
pada tahun 2019 adalah sebagai berikut:
Tabel 4.1 Data Permintaan Produk Kusen
Bulan Jumlah Permintaan
(Unit)
1 200
2 150
3 250
4 200
5 235
6 350
7 300
8 300
9 350
10 200
11 230
12 200
Sumber: Data Pengamatan

3.2 Pengolahan Data

Adapun pengolahan data yang dilakukan menggunakan metode linear dan
konstan adalah sebagai berikut:
3.2.1 Perhitungan Parameter Peramalan

a. Metode Konstan

Fungsi peramalan, Y’ = a =
∑Y
n
Tabel 4.2 Perhitungan Parameter Peramalan Untuk Metode Konstan

Bulan T Y
 1 1 200
2 2 150
3 3 250
4 4 200
Tabel 4.1 Perhitungan Parameter Peramalan Untuk Metode Konstan (Lanjutan)
Bulan T Y
5 5 235
6 6 350
7 7 300
8 8 300
9 9 350
10 10 200
11 11 230
12 12 200
Total 78 2965
Sumber: Data Pengolahan

a=
∑Y =
2965
= 247,0833
n 12
Fungsi peramalannya adalah Y’ = 247,0833

b. Metode Linier
Fungsi peramalan Y’ = a + bt

a=
∑ Y (t )−b ∑ t dan b = n ∑ ( tY ( t ) )−(∑ Y ( t ) )(∑ t )
n n ∑ t 2−( ∑ t 2 )
Tabel 4.2 Perhitungan Parameter Peramalan Untuk Metode Linier

Bulan T Y T tY
1 1 200 1 200
2 2 150 4 300
3 3 250 9 750
4 4 200 16 800
5 5 235 25 1175
6 6 350 36 2100
7 7 300 49 2100
8 8 300 64 2400
9 9 350 81 3150
10 10 200 100 2000
 11 11 230 121 2530
12 12 200 144 2400
Total 78 2965 650 19905
Sumber: pengolahan data
n ∑ ( ty ( t ) )−( ∑ y ( t ) )( ∑ t )
b= 2
n ∑ t 2 −( ∑ t )
12 ( 238860 ( 78 ) ) −( 231270 (78 ) ) ( 78 )
b=
12 ( 650 )−( 78 )2
b = 4,4230

a=
∑ Y (t )−b ∑ t
n
2965−4,4230 ( 78 )
a=
12
a = 218,33

Y’ = a + bt
Y’ = 218,33 + 4,4230t

3.2.2 Menghitung SEE

∑ (Y −Y ' )2

a.
SEE =
√
Metode Konstan
n−f

Derajat kebebasan (f) = 1

Persamaannya: Y’ = 247,0833
Tabel 4.3 Perhitungan Peramalan SEE Untuk Metode Konstan

T Y Y’ e = Y – Y’ e2
1 200 247,0833 -47,08 2216,837
2 150 247,0833 -97,08 9425,167
 3 250 247,0833 2,92 8,507
4 200 247,0833 -47,08 2216,837
5 235 247,0833 -12,08 146,006
6 350 247,0833 102,92 10591,847
7 300 247,0833 52,92 2800,177
8 300 247,0833 52,92 2800,177
9 350 247,0833 102,92 10591,847
10 200 247,0833 -47,08 2216,837
11 230 247,0833 -17,08 291,839
12 200 247,0833 -47,08 2216,837
TOTAL 45522,92
Sumber: Pengolahan Data

∑ (Y −Y ' )2
SEE =
√ n−f
45522,92
SEE =
√ 12−1
SEE = 64,331

b. Metode Linier
Derajat kebebasan (f) = 2
Persamaannya: Y’ = 218,33 + 4,4230t
Tabel 4.4 Perhitungan Peramalan SEE Metode Linear

T Y Y’ e = Y – Y’ e2
1 200 222,75 -22,75 517,5625
2 150 227,17 -77,17 5955,2089
3 250 231,59 18,41 338,9281
4 200 236,01 -36,01 1296,7201
5 235 240,43 -5,43 29,4849
6 350 244,85 105,15 11056,5225
7 300 249,27 50,73 2573,5329
8 300 253,69 46,31 2144,6161
9 350 258,11 91,89 8443,7721
10 200 262,53 -62,53 3910,0009
11 230 266,95 -36,95 1365,3025
12 200 271,37 -71,37 5093,6769
TOTAL 42725,3284
 Sumber: Pengolahan Data

∑ (Y −Y ' )2
SEE =
√ n−f
42725,3284
SEE =
√ 12−2

SEE = 65,3646146

Jadi, metode yang dipilih adalah metode linier karena memiliki nilai SEE yang
terkecil dibuktikan dengan hipotesisi berikut ini:

3.2.3 Pengujian Hipotesa

Pengujian hipotesa dilakukan dengan membuktikan SEE yang paling terkecil yaitu
metode peramalan konstan dan linier.
H0 : SEE Konstan ≤ SEE Linier

H1 : SEE Konstan ≥ SEE Linier

Uji Statistik F hitung = (SEE Konstan)/(SEE Linier)

= (64,331/65,364)2

= 0,96

F Tabel = F(0,05 , 11,10) = 2,85

F Hitung ≤ F Tabel maka H0 diterima

Kesimpulan:
Metode yang digunakan untuk meramalkan permintaan produk kusen adalah
metode konstan dengan fungsi peramalan
Tabel 4.5 Perhitungan Hasil Verifikasi Peramalan
X Y Y' Y-Y' MR
1 200 247,08 -47,08 0
2 150 247,08 -97,0833 50
3 250 247,08 2,9167 100
4 200 247,08 -47,0833 50
 5 235 247,08 -12,0833 35
6 350 247,08 102,9167 115
7 300 247,08 52,9167 50
8 300 247,08 52,9167 0
9 350 247,08 102,9167 50
10 200 247,08 -47,0833 150
11 230 247,08 -17,0833 30
12 200 247,08 -47,0833 30
78 2965 2965,00 0,0004 660
Sumber: Pengolahan Data

ḾR =
∑ MR
n−1
660
ḾR =
12−1
= 60

BKA ´ = 2,66 x 60 = 159.6

= 2,66 x MR

1/3 BKA = 1/3 x 60 = 20

2/3 BKA = 2/3 x 60 = 40

BKB = -2,66 x ḾR = -2,66 x 60 = -159.6

1/3 BKB = -1/3 x 60 = -20

2/3 BKB = -2/3 x 60 = -40

Moving Range Chart

200.00

150.00 MRt
MR
100.00 BKA
50.00 1/3 BKA
2/3 BKA
Axis Title 0.00 BKB
1 2 3 4 5 6 7 8 9 10 11 12
1/3BKB
-50.00
2/3 BKB
-100.00

-150.00

-200.00
 Gambar 4.1 Moving Range Chart Permintaan Kusen

Gambar diatas menunjukkan bahwa keseluruhan data berada di dalam batas kontrol. Metode
ini diasumsikan cukup representative dikarenakan semua data berada didalam batas kontrol
sehingga fungsi peramalan metode konstan dapat digunakan.

Kesimpulan :
Jadi, metode yang dipilih adalah metode Konstan karena memiliki SEE terkecil.
Dengan demikian hasil peramalan untuk tahun 2020 adalah sebagai berikut:

Y’ = a =
∑y = 2965
n 12 = 247,083 unit

Jadi, hasil peramalan kebutuhan pembuatan kusen pada tahun 2020 berdasarkan metode
konstan adalah 247,083 unit/bulan.
 BAB IV
PENUTUP

4.1 Kesimpulan
Adapun kesimpulan yang dapat kita ambil dari proses perhitungan data peramalan
yang diperoleh adalah sebagai berikut:
1. Dari hasil Perhitungan dengan menggunakan metode Konstan dan Linier
maka didpatkan hasil untuk metode Konstan adalah Y’ 247,083 unit dan
metode linier adalah Y’= 218,33 + 4,423t.
2. Dari hasil perhitungan untuk mencari nilai terkecil menggunakan SEE
(Standar Error of Estimation) maka hsil dari metode konstan adalah 64,331
dan metode linier adalah 65,364. Maka didapatkan Metode Konstan yang
memiliki nilai SEE terkecil.
3. Jadi hasil peramalan kebutuhan pembuatan kusen pada tahun 2020
berdasarkan metode konstan adalah 247,083 unit/bulan.
 DAFTAR PUSTAKA

https://www.kajianpustaka.com/2017/11/pengertian-fungsi-dan-jenis-peramalan-
forecasting.html

http://ppic1908.blogspot.com/2017/01/mengenal-metode-peramalan-forecasting.html
LAMPIRAN

Gambar Pembuatan Ventilasi Pada Kusen Jendela

Gambar Foto Bersama