Disusun Oleh:
LISMAYANA (170130080)
KATA PENGANTAR................................................................................................i
DAFTAR ISI...............................................................................................................ii
BAB I PENDAHULUAN
1.1 latar belakang............................................................................................1
1.2 rumusan masalah.......................................................................................2
1.3 tujuan.........................................................................................................2
DAFTAR PUSTAKA
LAMPIRAN
BAB I
PENDAHULUAN
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. 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:
Mulai
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).
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).
Keterangan:
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:
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.
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.
10. Purchasing
Merupakan aktivitas memilih vendor, membuat order pembelian, dan menjadwalkan
vendor.
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).
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.
a=
∑ Y ........................................................................................(pers 2.3)
n
n = jumlah periode
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 )
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
n = Banyaknya periode
SEE =
Dimana :
√ ∑ ( T t −Y ' t ) 2
t =1
n−f
...................................................................(pers 2.24)
PE t =
∑|PE t|...................................................................................(pers.2.26)
n
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
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
∑ (Y −Y ' )2
a.
SEE =
√
Metode Konstan
n−f
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:
= (64,331/65,364)2
= 0,96
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
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