PENENTUAN METODE PERAMALAN YANG TEPAT UNTUK

PERENCANAAN BAHAN BAKU DI PT.ACP

Tommy Ismanto, Hery Hamdi Azwir

Faculty of Technology, Industrial Engineering Departement, President University
Jl. Ki Hajar Dewantara
Kota Jababeka, Cikarang – Bekasi 17550
Email: hery.azwir@president.ac.id

ABSTRACT

Persaingan di dunia industri saat ini semakin ketat, berbagai perusahaan yang bergerak dalam dunia
industri terus berlomba dalam upaya meningkatkan profit dengan memperhatikan mutu produk,
kualitas pelayanan, juga melakukan efisiensi internal baik dalam penggunaan sumberdaya baik
sumberdaya mesin, manusia maupun bahan baku. Hal ini dilakukan dalam upaya perusahaan dapat
tetap bertahan dan bersaing dengan perusahaan lain. Dalam industri terutama industri
manufacture, baik dalam skala besar, menengah maupun kecil, planning atau perencanaan adalah
bagian yang sangat krusial, karena sangat berkaitan dengan kemampuan suatu perusahaan untuk
bisa melakukan proses produksi. Studi ini bertujuan diawali dengan pengumpulan data-data yang
dibutuhkan,seperti past data pemakaian bahan baku,budget marketing, dan metode peramalan
yang digunakan saat ini. Dari data-data tersebut dilakukan analisa untuk memecahkan
permasalahan yang terjadi. Dari data-data yang tersedia, dapat terlihat pola pemakaian bahan
baku, sehingga dapat dilakukan improvement terhadap cara peramalan dan perhitungan safety
stock dengan menggunakan metode yang lebih tepat dan aplikatif, dengan tujuan agar dapat
menurunkan stock level. Saran perbaikan untuk metode peramalan ini sudah di uji secara
matematis dan dapat dijadikan guideline untuk perusahaan dalam melakukan perencanaan bahan
baku.

Kata Kunci : Past data, budget penjualan, pola pemakaian bahan baku, metode peramalan, safety
stock, inventory level.

1. Introduction
Dalam industri terutama industri manufacture, baik dalam skala besar, menengah maupun kecil,
planning atau perencanaan adalah bagian yang sangat krusial, karena sangat berkaitan dengan
kemampuan suatu perusahaan untuk bisa melakukan proses produksi. Perencanaan bahan baku,
sangat krusial, dengan perencanaan bahan baku dan perencanaan produksi yang baik, sebuah
perusahaan dapat memproses seluruh order yang ada dengan efektif.

PT. ACP adalah perusahaan yang bergerak dibidang flexible packaging, dengan porsentase customer
adalah 80% pharmaceutical industries, 10% Food industries dan 10% others industries. Kegiatan
planning baik production planning maupun bahan baku, sepenuhnya dilakukan dan di kontrol oleh
department PPIC. Dalam industri converting packaging, banyak hal-hal yang terkadang di luar
planning awal, seperti tender, limpahan order tambahan, dan hal-hal lain yang diluar budget
marketing semua hal tersebut tidak terlepas dari perubahan strategi dari perusahaan customer.
Saat ini, perencanaan bahan baku dan penetapan safety stock dilakukan secara kualitatif, sehingga
berimbas pada tingginya nilai inventory level.

2. Method
Masalah persediaan merupakan masalah yang sering terjadi, sangat menarik dan sangat penting
karena besar peranannya terhadap keuangan dan keuntungan perusahaan serta kepuasan
pelanggan. Bagi individu, penelitian tentang bagaimana menemukan metode peramalan yang tepat
dan aplikatif sangat berarti untuk dapat mempermudah pekerjaan dan mengurangi masalah-
masalah yang kerap terjadi dalam perencanaan persediaan, seperti kelebihan persediaan (over
stock) ataupun kekurangan persediaan (shortage).
2.1. Fungsi dan Jenis Persediaan
Tersine (1994), Persediaan atau inventory adalah persediaan material yang ada pada suatu
waktu tertentu atau asset nyata yang dapat terlihat, diukur dan dihitung atau dalam arti
lain disebut sumber daya menganggur yang menunggu proses lebih lanjut.
Persediaan dibagi menjadi 4 jenis, yaitu:
a. Persediaan bahan baku (Raw Material)
b. Persediaan dalam proses ( Work in Process)
c. Persediaan bahan penolong.
d. Persediaan barang jadi (Finish Goods).

2.2 Peramalan (Forecasting)

Makridakis.S (1991), peramalan merupakan suatu kegiatan analisa yang dilakukan untuk
mengerahui besaran permintaan dimasa mendatang. Dengan informasi tersebut, maka
dapat ditentukan strategi yang tepat untuk perencanaan lebih lanjut.

2.3 Metode Deret Berkala (Time Series)

Merupakan metode yang dipergunakan untuk menganalisis serangkaian data yang
merupakan fungsi dari waktu. Metode ini mengasumsikan beberapa pola atau kombinasi
yang berulang, pola dasar dapat diidentifikasikan semata-mata atas dasar data historis dari
serial tersebut. (Nasution,2006), pola data dapat dibagi menjadi 4 jenis, yaitu:

Gambar 2.1 Pola Trend/ Kecenderungan

Gambar 2.3 Pola Siklus

Gambar 2.2 Pola Musiman

Gambar 2.4 Pola Acak

2.3.1. Macam-macam metode peramalan time series

a. Metode Simple Average(SA)
Metode paramalan simple average atau rata-rata sederhana membangkitkan nilai
peramalan dengan menghitung rata-rata data masa lalu.

(2-1)
b. Metode Single Moving Average (SMA)
Model rata-rata bergerak yang menggunakan sejumlah data aktual kebutuhan yang baru,
untuk membangkitkan nilai ramalan permintaan periode mendatang. Penentuan jumlah
periode bergantung dari hasil percobaan dalam range antara 3 sampai dengan 8.

(2-2)
c. Metode Weighted Moving Average (WMA)
Metode WMA dapat mengatasi kelemahan dari metode MA yang menganggap data setiap
bulan memiliki bobot yang sama, padahal lebih masuk akal biladata yang lebih baru
memiliki bobot yang lebih tinggi, karena data tersebut mempresentasikan kondisi terakhir
yang terjadi.
WMA = ∑Wt . At (2-3)
 d. Metode Double Moving Average (DMA)
Metode double moving average dapat mengatasi adanya trend secara lebih baik.

(2-4)
e. Metode Single Exponential Smoothing (SES)
Metode pemulusan atau exponential smoothing, adalah prosedur yang mengulang
perhitungan secara terus menerus dengan menggunaklan data terbaru. Metode ini
didasarkan pada perhitungan pemulusan atau rata-rata dari data masa lalu secara
exponensial.
Ft+1 = α, Xt – (1- α)Ft (2-5)

f. Metode Double Exponential Smooting (DES)

Dasar dari metode ini sama dengan metode rata-rata bergerak linear, yaitu bahwa kedua
nilai penghalusan tunggal dan ganda ketinggalan dari data sebenarnya apabila terdapat
unsur trend.
S’t = α Xt + (1- α).S’t-1
S’’t = αS’t +(1- α).S’’t-1
at = 2S’t – S’’t
bt = α /(1 – α). (S’t – S’’t)
Ft+m = at +bt (m) (2-6)

2.4.Ukuran Kesalahan Nilai Peramalan

Ukuran hasil kesalahan peramalan yang merupakan ukuran kesalahan merupakan pembanding
antara hasil peramalan dengan aktual kebutuhan yang sebenarnya.
Beberapa ukuran yang digunakan antara lain :

a. Mean Absolute Deviasion (MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan
apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kebutuhan aktual.

(2-7)
b. Mean Absolute Persentage Error (MAPE)
Mean absolute percentage error (MAPE) merupakan ukuran ketepatan relatif yang
digunakan untuk mengetahui porsentase penyimpangan hasil peramalan.

(2-8)
c. Mean Square Error (MSE)
Cara untuk menghindari nilai penyimpangan positif dan negatif yang saling meniadakan
adalah dengan mengkuadratkan nilai kesalahan tersebut.

(2-9)
2.5. Validasi Hasil Peramalan
Langkah penting setelah peramalan adalah verifikasi peramalan, dengan melakukan uji secara
statistika.

2.5.1.Uji Validasi Moving Range Chart

Moving range chart atau peta kendali bergerak dirancang untuk membandingkan untuk
membandingkan nilai permintaan aktual dengan nilai hasil peramalan. Dengan kata lain, kita
melihat data permintaan aktual dan membandingkannya dengan nilai peramalan dalam periode
waktu yang sama. Moving range chart digunakan untuk pengujian kestabilan system sebab-
akibat yang mempengaruhi permintaan

2.5.2. Uji Validasi Tracking Signal

Salah satu cara untuk mengevaluasi sebuah hasil ramalan yaitu dengan menggunakan tracking
signal, yaitu pengukuran tentang sejauh mana sebuah ramalan memprediksi nilai aktual dengan
baik. Bila ramalan diperbaharui setiap jangka waktu tertentu, data permintaan yang baru
tersedia, dibandingkan dengan nilai peramalan. Tracking signal dihitung sebagai kesalahan
ramalan berjalan (running sum of the forecast ) RSFE yang dibadi dengan nilai (mean absolute
deviation) MAD.

2.6. Persediaan Pengaman ( Safety Stock)

Nasution(2006), safety stock adalah jumlah persediaan yang diadakan untuk mengatasi
permintaan yang tidak konstan. Safety stock juga sebagai cadangan jika terkadi lonjakan
permintaan diluar permintaan regular. Terjadinya kekurangan barang atau shortage,
disebabkan karena penggunaan yang lebih besar dari perkiraan atau keterlambatan pengiriman.
Dengan adanya safety stock kita dapat menghindari kerugian yang ditimbulkan karena
shortage, namun degan menyediakan safety stock, secara otomatis akan menambah biaya
penyimpanan , maka dari itu safety stock harus dijaga pada level serendah mungkin.

3.1.Flexible Packaging
Flexible packaging atau yang biasa disebut dengan kemasa lentur karena bentuknya yang bisa
berubah mengikuti bentuk dari benda yang dikemas, adalah kemasan multi layer yang diproses
dengan metode tertentu sehingga menghasilkan kemasan multi layer yang dapat melindungi isi.

Gambar 4.2 Product Structure Flexible Packaging

3.2.Pengumpulan Data
Data yang digunakan dalam penelitian ini diperoleh dari department PPIC untuk past data
dan departemen marketing untuk data budget. Dalam penelitian ini akan berfokus pada
past data tahun 2010 sampai dengan tahun 2012 untuk material yang paling banyak
digunakan untuk industri farmasi. Berikut adalah paretto material yang digunakan untuk
pembuatan flexible packaging yang digunakan dalam industri farmasi :
 Jumlah Pemakaina
Kode Material Jenis Material
dalam (%)

MST 22 MC Sealable Transparant Paper 22 micron 57.9

ALU HT 20 MC Aluminum Hard Tamper 20 micron 11.2

PT 20 MC Transparant Paper 20 micron 9.2

ALU CE 12 MC Aluminum Soft Tamper 12 micron 8.3

ALU CE 15 MC Aluminum Soft Tamper 15 micron 6

ALU CE 18 MC Aluminum Soft Tamper 18 micron 2.6

ALU CE 7 MC Aluminum Soft Tamper 7 micron 2.4

ALU CE 20 MC Aluminum Soft Tamper 20 micron 2.4

Tabel 4.1 List Paretto Pemakaian Material Packaging Farmasi

3.3. Data Akurasi Budget

Budget adalah rencana penjualan yang dibuat oleh department marketing, yang berisikan produk
apa saja yang akan dijual oleh tiap-tiap tenaga penjual dalam kurun waktu satu tahun kedepan,
budget yang dibuat bersifat tetap sepanjang tahun berjalan. Namun dalam kasus ini ketepatan dari
budget penjualan dalam kurun waktu tiga tahun terakhir dirasa kurang tepat, karena sebagian
besar nilai budget yang ditetapkan berada di bawah nilai pemakaian sesungguh nya.
2010 2011 2012
MST 22 MC
Budget Act.Pakai Akurasi Budget Act.Pakai Akurasi Budget Act.Pakai Akurasi
Jan 1,983,835 2,745,200 72.3% 2,437,066 2,312,100 105.4% 2,575,244 2,505,600 102.8%
Feb 1,898,228 2,529,400 75.0% 2,498,858 2,350,600 106.3% 2,556,092 2,390,900 106.9%
Mar 2,008,427 2,604,700 77.1% 2,213,844 2,514,700 88.0% 2,285,139 2,389,100 95.6%
Apr 2,478,432 3,232,360 76.7% 2,022,795 2,438,700 82.9% 2,374,634 2,428,300 97.8%
May 2,527,512 4,061,600 62.2% 2,306,789 2,608,200 88.4% 2,131,328 2,545,800 83.7%
Jun 2,903,035 3,226,000 90.0% 2,638,204 2,758,100 95.7% 2,657,238 2,552,100 104.1%
Jul 2,998,141 3,800,600 78.9% 2,588,973 2,735,900 94.6% 2,616,406 2,603,700 100.5%
Aug 2,396,156 2,912,400 82.3% 2,871,810 2,978,718 96.4% 2,582,131 2,695,800 95.8%
Sep 2,585,424 2,048,800 126.2% 2,692,221 2,712,700 99.2% 2,369,207 2,739,000 86.5%
Oct 2,225,860 2,419,300 92.0% 2,423,855 2,681,100 90.4% 2,316,612 2,684,200 86.3%
Nov 2,182,623 2,385,700 91.5% 2,240,320 2,837,000 79.0% 2,164,900 2,733,500 79.2%
Dec 2,081,604 2,649,900 78.6% 2,006,336 2,782,500 72.1% 2,311,549 2,865,500 80.7%
TOTAL 28,269,277 34,615,960 83.6% 28,941,071 31,710,318 91.5% 28,940,480 31,133,500 93.3%
Tabel 4.3 Tabel Akurasi Budget Terhadap Actual Pemakaian Bahan Baku MST 22 MC

3.4.Metode Planning Perusahaan

Metode perencanaan bahan baku yang sekarang dilakukan di PT.ACP, tidak menggunakan metode
peramalan secara metematis dan dapat dipertanggung jawabkan secara ilmiah, yang dilakukan
adalah, melihat data pemakaian bahan baku 2 tahun kebelakang dan membandingkan dengan
budget marketing, juga masukan informasi tambahan lainnya, seperti: informasi akan adanya
tender oleh dihak marketing, forecast dari beberapa customer yang belum terhitung dalam budget,
serta informasi dari orang dalam perusahaan customer. Dari semua informasi tersebut, maka
dibuatlah perkiraan secara intuitif jumlah kebutuhan material yang dibutuhkan. Metode ini sangat
tidak berdasar dan kurang bisa dipertanggung jawabkan untuk dijadikan acuan dalam membuat
sebuah keputusan dalam melakukan pemesanan bahan baku.

3.5. Implementasi Perbaikan

Berdasarkan data pemakaian bahan baku untuk kemasan farmasi periode 2010 – 2011, maka, dalam
penelitian mencoba menggunakan metode paramalan time series, untuk membangkitkan nilai
ramalan berdasarkan data masa lampau dengan menggunakan beberapa metode, yaitu metode
Single Moving Average (SMA), Weighted Moving Average (WMA), Double Moving Average (DMA),
Single Exponential Smooting (SES) dan Double Exponential Smooting Browns (DES). Untuk memilih
metode peramalan yang paling tepat dari 5 (lima) metode peramalan tersebut, diukur dengan
melihat nilai MAPE (Mean Absolute Persentage Error) yang terkecil.
 No Metode Ket MAPE (%)
1 SMA N=2 5.21
2 SMA N=3 4.84
3 SMA N=4 4.62
4 SMA N=5 4.54
5 SMA N=6 6.01
6 WMA N=5 4.59
7 DMA N=5 3.37
8 SES a=0.1 6.27
9 SES a=0.9 5.18
10 SES a=0.88 5.14
11 SES a=0.85 5.15
12 SES a=0.8 5.18
13 SES a=0.7 5.25
14 SES a=0.6 5.31
15 SES a=0.5 5.36
16 DES a=0.88 4.9
Tabel 4.5 Parameter Hasil Simulasi Metode Peramalan

3.6 Validasi Model Peramalan

Hasil peramalan akan melalui validasi dengan menggunakan 2 (dua) tipe pengujian, yaitu uji
validasi dengan menggunakan moving range chart atau peta rentan bergerak untuk melihat
sebaran data yang dihasilkan masih dalam batas kendali atau tidak, dengan menghitung nilai
“M”,”UCL” dan “LCL”. Uji validasi tracking signal-browns untuk melihat kelayakan model dan
kecenderungan dari hasil peramalan yang dihasilkan.

Grafik 4.3 MR Chart Double Moving Average (n=5) Grafik 4.5 Tracking Signal Single Moving Average (n=5)

Pada table 4.7 dapat dilihat nilai M , batas atas dan batas bawah MR Chart Metode Double
Moving Average (n=5) terlihat bahwa nilai MRt pada periode ke-10 dan 11 berada diluar
batas kendali, hal ini berarti bahwa model ini diluar kontrol dan tidak layak untuk
digunakan.
Hasil uji validasi tracking signal pada grafik 4.5, memperlihatkan bahwa model ini masuk
dalam batas kendali dan dapat dinyatakan layak, walau terlihat adanya kecenderungan
tracking signal positif yang berarti nilai permintaan aktual lebih besar dari pada hasil
peramalan. Data ini masih dalam range, namun kurang baik untuk digunakan, karena dari
grafik tracking signal sebagian besar berada di dalam satu sisi saja dalam kasus ini positif.
Maka dari itu, dipilih kembali metode peramalan lain dengan nilai MAPE terkecil
berikutnya, yaitu metode peramalan WMA (weighted moving average) dengan n=5. Nilai
MAPE = 4.59%.

Grafik 4.6 MR Chart WMA (n=5) Grafik 4.7 Tracking Signal WMA (n=5)

3.7 Safety Stock

Perhitungan safety stock (SS) didasarkan pada perhitungan dengan rumus seperti dijabarkan
dalam bab2. Perhitungan Safety Stock bahan baku MST 22 MC untuk tahun 2012,
menggunakan standart deviasi berdasarkan data 2011. Dengan melihat besaran
 penyimpangan yang terjadi antara perencanaan dengan aktual kebutuhan, maka dapat
diketahui besaran penyimpangan tersebut. Setelah diketahui berapa besaran standart
deviasi bulanan, maka dapat dilihat rata-rata stndart deviasi untuk satu tahun. Dalam
analisis penyimpangan ini, menggunakan standart service level yang digunakan oleh PT.ACP
yaitu 95% dengan nilai 1,65 berdasarkan table distribusi normal.
Berikut adalah perhitungan safety stock berdasarkan rumus baku :
SS = Z x SD x √LT
SS = 1,65 x 87055 x √3 bulan
SS = 174,909 m2

3.8 Simpulan
Berdasarkan evaluasi hasil perbaikan, maka dapat disimpulkan sebagai berikut:
1. Budgeting yang dilakukan oleh pihak marketing tidak terlalu akurat dengan tingkat
ketepatan rata-rata sebesar 89,5%, dibawah angka kebutuhan aktual yang bisa
mengakibatkan kekurangan persediaan atau shortage bahan baku.
2. Metode Peramalan bahan baku yang dilakukan kurang akurat dengan tingkat ketepatan
107,65%, diatas angka kebutuhan aktual.mengakibatkan over stock.
3. Metode peramalan Weighted Moving Average (WMA) dengan n=5 dapat direkomendasikan,
berdasarkan nilai MAPE dan hasil uji verifikasi MR Chart dan tracking signal.
4. Metode penerapan safety stock yang dilakukan kurang tepat, karena safety stock yang
diberikan terlalu besar nilainya, sehingga meningkatkan inventory level.
5. Metode perhitungan safety stock dengan tingkat service level 95% direkomendasikan,
karena dari hasil simulasi terlihat nilai yang didapat cukup untuk mengatasi adanya
fluktuasi yang terjadi,sehingga menurunkan inventory level.

3.9 Saran
Agar metode peramalan dan perhitungan safety stock dihitung dengan menggunakan metode yang
sistematis, sehingga dapat dipertanggung jawabkan.

Daftar Pustaka
Makridakis, S. Steven, C Wheelwright. Victor E Mcgee. 1991. Metode dan Aplikasi Peramalan.
Jakarta: Penerbit Erlangga.
Nasution, Arman Hakim dan Prasetyawan, Yudha. 2006. Perencanaan dan Pengendalian Produksi.
Graha Ilmu, Yogyakarta.
Rangkuti, Freedy. 2004. Management Persediaan: Aplikasi di bidang bisnis. Rajawali Pers, Jakarta
Sofyan Assauri, Management Produksi dan Operasi, edisi revisi, Fakultas Ekonomi Universitas
Indonesia,1999
Tersine, Richard J. 1994. Principles of Inventory and Material Management. 4th edition. New
Jersey: University of Oklahoma, Pentice Hall international Inc.

Lampiran