BAB II

LANDASAN TEORI

2.1 Perencanaan Produksi dan Pengendalian Produksi

Perencanaan adalah suatu kegiatan untuk memilih dan menentukan tujuan

atau kebijakan dari suatu perusahaan, dan prosedur kerja yang akan dilakukan.
Sedangkan Sistem pengendalian merupakan suatu kegiatan pemeriksaan pada
kegiatan yang telah dilakukan suatu perusahaan atau sedang dilakukan oleh suatu
perusahaan, agar kegiatan dapat berjalan sesuai dengan yang diharapkan atau yang
sudah direncanakan sebelumnya. Perencanaan produksi bisa diartikan juga sebagai
proses untuk menentukan jumlah produksi, persediaan, dan workforce level untuk
memenuhi permintaan yang berfluktuasi.

Secara umum perencanaan dan pengendalian produksi dapat diartikan sebagai

aktifitas merencanakan dan mengendalikan material masuk, proses, dan keluar dari
sistem produksi. Perencanaan produksi dan pengendalian produksi memiliki peranan
yang sentral dalam peningkatan produktifitas, karena melalui perencanaan produksi
dan pengendalian produksi yang baik, maka perusahaan dapat mencapai
penghematan biaya untuk bahan, memanfaatkan sumberdaya dengan baik, baik
berupa fasilitas produksi, mesin, tenaga kerja atau waktu yang optimal yaitu tidak
boros atau tidak idle.

Tujuan dari perencanaan dan pengendalian produksi adalah untuk mengusahakan

agar perusahaan dapat berproduksi secara efektif dan efisien, memanfaatkan secara
efektif sumber daya yang terbatas dalam memproduksi barang atau jasa, sehingga
dapat memuaskan permintaan pembeli atau pengguna, dan menghasilkan keuntungan
bagi investor. Kendala dalam perencanaan dan pengendalian produksi adalah
ketersediaan sumber daya yang terbatas, jadwal atau waktu pengiriman untuk
produk dan kebijakan manajemen. Fungsi perencanaan dan pengendalian produksi
adalah agar dapat menentukan perkiraan permintaan atau penjualan untuk periode

5
yang akan datang, perencanaan produksi, penjadwalan produksi dan pengendalian
persediaan.

Tingkat perencanaan dan pengendalian produksi

Berikut ini adalah tingkat dari perencanaan dan pengendalian produksi :

1. Perencanaan jangka panjang

Kegiatan ini meliputi peramalan usaha, perencanaan jumlah produk dan
penjualan, perencanaan produksi, perencanaan kebutuhan bahan baku, dan
perencanaan financial.

2. Perencanaan jangka menengah

Kegiatan ini meliputi perencanaan kebutuhan kapasitas, perencanaan
kebutuhan material, jadwal induk produksi, dan perencanaan kebutuhan
distribusi.

3. Perencanaan jangka pendek

Kegiatan ini meliputi penjadwalan perakitan produk akhir, perencanaan dan
pengendalian input-output, pengendalian kegiatan produksi, perencanaan dan
pengendalian purchase, dan manajemen proyek.

2.2 Peramalan

Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau
kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang.
Sedangkan ramalan merupakan dugaan atau perkiraan mengenai terjadinya suatu
kejadian atau peristiwa di waktu yang akan datang. Ramalan bisa bersifat kualitatif,
artinya tidak berbentuk angka dan bisa bersifat kuantitatif, artinya berbentuk angka,
dinyatakan dalam bilangan . Dan untuk memprediksi hal tersebut diperlukan data
yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di masa
yang akan datang. Kegunaan dari peramalan adalah sebagai alat untuk perencanaan
yang efektif dan efisien, untuk menentukan kebutuhan sumber daya di masa yang

6
akan datang, dan peramalan juga berguna dalam membuat suatu keputusan yang
tepat.

Di dalam melakukan suatu kegiatan dan analisis usaha atau produksi di bidang
manufaktur, suatu peramalan (forecasting) sangat diperlukan untuk membuat suatu
perencanaan dalam memenuhi permintaan di masa yang akan datang. Kegitan untuk
memprediksi, proyeksi, atau perkiraan pada suatu peristiwa yang tidak pasti di masa
yang akan datang dapat didefinisikan sebagai peramalan. Ketepatan suatu peramalan
tidaklah lepas dari suatu kesalahan, dikarenakan peramalan adalah suatu prediksi
dimana terdapat unsur kesalahannya, sehingga tidak kalah pentingnya dan perlu
memperhatikan kemungkinan kesalahan yang ada.

Pada umumnya ada tiga langkah dalam peramalan, yaitu: Satu. Menganalisa data
sebelumnya, tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa
tersebut dilakukan dengan cara membuat tabulasi data dari yang lalu. Dua.
Menentukan metode yang dipergunakan. Masing-masing metode dapat memberikan
hasil yang berbeda. Dengan kata lain, metode peramalan yang baik adalah metode
yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan
sekecil mungkin. Tiga. Memproyeksi data sebelumnya dengan menggunakan metode
yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan.

2.2.1 Prosedur Peramalan

Berikut ini adalah langkah — langkah yang diperlukan dalam proses

peramalan:

1. Menentukan Tujuan Peramalan

Forecasting diperlukan untuk merencanakan masa depan, oleh karena itu
harus dilakukan pertimbangan dan memutuskan peramalan yang
dibutuhkan. Kesalahan dalam memutuskan tujuan akan memberikan hasil
yang berbeda sehingga keakuratan peramalan akan diragukan.
2. Mengevaluasi dan Menganalisis data yang sesuai

7
 Langkah ini melibatkan identifikasi data yang diperlukan dan yang
tersedia. Pengidentifikasian data ini berdampak pada pemilihan metode
peramalan.
3. Memilih dan Menguji Metode Peramalan
Setelah data dievaluasi, langkah selanjutnya adalah memilih atau
menentukan metode peramalan yang tepat. Metode peramalan yang
dipilih adalah metode yang telah mempertimbangan faktor — faktor
seperti biaya dan kemudahan penggunaannya.
4. Menghasilkan Peramalan
Setelah menentukan metode peramalan yang akan digunakan, selanjutnya
adalah menghasilkan ramalan yang dibutuhkan.
5. Memantau Keakurasian Peramalan
Setelah membuat ramalan, langkah selanjutnya adalah mencatat yang
sebenarnya terjadi (aktual) dan kemudian menggunakannya untuk
memantau keakurasian peramalan.

2.2.2 Klasifikasi Peramalan

Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi

tiga jenis, yaitu:

1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari
18 bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.

2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18

bulan. Misalnya, peramalan untuk perencanaan penjualan, perencanaan
produksi dan perencanaan tenaga kerja tidak tetap.

3. Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3

bulan. Misalnya, peramalan dalam hubungannya dengan perencanaan
pembelian material, penjadwalan kerja dan penugasan karyawan.

8
Metode yang digunakan dalam peramalan ada 2 yaitu:

1. Peramalan Kualitatif
Peramalan Kualitatif adalah peramalan yang didasarkan atas data
kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung
pada orang yang menyusunnya. Hal ini penting karena hasil peramalan
tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman
penyusunnya.
Berikut ini adalah peramalan metode Kualitatif:
a. Metode Delphi
Metode Delphi adalah teknik komunikasi terstruktur, awalnya
dikembangkan sebagai metode peramalan interaktif yang bergantung pada
sejumlah Expert.
b. Riset Pasar
Merupakan metode peramalan berdasarkan hasil-hasil dari survei
pasar yang dilakukan oleh tenaga-tenaga pemasar produk atau yang
mewakilinya. Metode ini tidak hanya akan membantu peramalan, tetapi
juga untuk meningkatkan desain dan perencanaan produk baru.
c. Analogi Historik
Analogi historis merupakan teknik peramalan berdasarkan pola data
masa lalu dari produk-produk yang dapat disamakan secara analogi.
Metode ini cenderung akan menjadi metode terbaik untuk penggantian
produk di pasar.
d. Konsesus Panel
Peramalan semata-mata berdasarkan pertimbangan manajemen,
umumnya oleh manajemen senior. Metode ini akan cocok dalam situasi
yang sangat sensitif terhadap intuisi dari suatu atau sekelompok kecil
orang yang karena pengalamannya mampu memberikan opini yang kritis
dan relevan. Teknik akan dipergunakan dalam situasi dimana tidak ada
situasi dimana tidak ada alternatif lain dari model peramalan yang dapat

9
 diterapkan. Bagaimanapun metode ini mempunyai banyak keterbatasan,
sehingga perlu dikombinasikan dengan metode peramalan yang lain.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
metode yang dipergunakan dalam peramalan tersebut.

Berikut ini adalah penggolongan metode kuantitatif:

1. Metode Dekomposisi
2. Metode Deret Berkala (Time Series)
Metode yang dipergunakan untuk menganalisis serangkaian data
variabel waktu yang merupakan fungsi dari waktu. Peramalan didasarkan
pada nilai variabel yang telah lalu atau peramalan kesalahan masa lalu:
Metode deret berkala terbagi sebagai berikut:
a. Metode Pemulusan (Smoothing)
Metode pemulusan (Smoothing) adalah metode peramalan
dengan mengadakan penghalusan atau pemulusan terhadap data
masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa
tahun menaksir nilai pada tahun yang akan datang.
Secara umum pemulusan (Smoothing) dapat di golongkan menjadi
beberapa bagian:
1. Metode Perataan (Average)
Metode Average terdiri dari:
a. Metode Rata — Rata (Simple Average)
Salah satu cara untuk mengubah pengaruh masa lalu terhadap
nilai tengah sebagai ramalan adalah dengan menentukan sejak
awal berapa jumlah nilai pengamatan masa lalu yang akan
dimasukkan untuk menghitung nilai tengah. Untuk
menggambarkan prosedur ini digunakan istilah rata—rata
bergerak karena setiap muncul pengamatan nilai yang baru,

10
 nilai rata— rata yang baru dapat dihitung dengan membuang
nilai observasi yang paling tua dan dimasukkan nilai
pengamatan yang terbaru.

Persamaan metode rata-rata yaitu:

̅X=∑undOvri-1TXiT=FT+1
…………………………………pers(2.1)

b. Rata — Rata Bergerak Tunggal (Single Moving Average)

Metode ini menghitung rata — rata berdasarkan data yang
telah ada
Persamaan rata — rata bergerak tunggal yaitu:

FT+n=̅X=∑undOvri-nT+(n-1)XiT
…………………………….pers(2.2)

c. Rata — Rata Bergerak Ganda (Double Moving Average)

Dasar metode ini adalah menghitung rata — rata bergerak
ganda, merupakan rata-rata bergerak dan menurut symbol
dituliskan sebagai MA (M x N) dimana MA adalah M periode
dari MA N-periode.
Persamaan metode rata — rata bergerak yaitu:

St = ∑i=tt-N+1 XiN

S"t = ∑i=tt-N+1 StN

ɑt = S't + (2S't − S"t )

bt = 2N-1 (S't − S"t )

11
 Ft + m = at + bt ............................................pers (2.3)

d. Kombinasi Rata — Rata Bergerak (Weighted Moving

Average)
Kombinasi rata — rata bergerak adalah salah satu metode
peramalan bisnis yang sederhana dan sering digunakan untuk
memperkirakan kondisi pada masa yang akan datang dengan
menggunakan kumpulan data-data masa lalu.

2. Metode Pemulusan (Smoothing) Eksponensial

Metode Exponential Smoothing adalah metode yang menunjukkan

pembobotan menurun secara eksponensial terhadap nilai pengamatan
yang lebih lama. Terdapat satu atau lebih parameter penulisan yang
ditentukan secara eksplisit, dan hasil pilihan ini menentukan bobot
yang dikenakan pada nilai observasi. (Makridakis dkk)

Metode pemulusan (Smoothing) Eksponensial dapat digolongan

menjadi beberapa bagian yaitu:

a. Singel Exponential Smoothing

Metode ini melalukan penghitungan peramalan berdasrkan
dengan hasil peramalan di tambah dengan kesalahan
peramalan sebelumnya
Persamaan metode single adalah sebagai berikut:

Ft + 1 =α Xt + ( 1 - α )Ft ……………
pers(2.4)

12
 Atau

Ft + 1 = Ft + α (Xt − Ft)

Ft + 1 = Ft + α ( et )………………………pers
(2.5)

b. Double Exponential Smoothing: Browns One Parameter

Linear
Metode ini penghitungannya sama dengan metode Linear
(metode rata-rata bergerak tunggal)
Persamaan metode browns adalah sebagai berikut:

S't = α Xt + (1 − α ) S't-1

S"t = α S't + (1 − α ) S"t

ɑt = S't + (S't − S"t ) = 2S't − S"t

bt = α1-α (S't − S"t )

Ft + 1 = at + bt m…………………………pers(2.6)
c. Double Exponential Smoothing: Holts Two Parameter
Metode ini mirip dengan metode Brown, hanya saja metode ini
melakukan Smoothing Trend secara terpisah.
Persamaan Double Exponential Smoothing adalah sebagai
berikut:

St = α Xt + ( 1 - α ) (St-1 + bt-1)

bt = γ (St − St-1) + (1 - γ ) bt-1

Ft + m = St + bt m………………………….pers(2.7)
d. Triple Exponential Smoothing: Browns One Parameter
Quadaratic

13
 Metode yang digunakan dalam pemulusan trend dan musiman.
Persamaan dari metode Browns adalah sebagai berikut:

S't = α Xt + ( 1 - α ) S't-1

S"t = α S't-1 + ( 1 - α ) S"t

S"t = α S"t + ( 1 - α ) S"t

at = 3S't − 3S"t

bt = α22(1-a)2 [(6 − 5α) S't − (10-8α)S"t + (4

− 3α) S"t ]

ct = α2(1-a)2 (S"t − 2 S"t + S"t )

Ft + m = at + bt m + 12 ct m2………………
pers(2.8)

e. Triple Exponential Smoothing: Winter Three Parameter Trend

and Seasonality
Metode ini biasanya digunakan untuk data musiman. Dan metode
ini didasarkan oleh 3 persamaan Smoothing, yaitu: kestasioneran,
trend dan musiman.
Persamaan metode Winters adalah sebagai berikut:

St = α XtIt-1 + (1−α)(St-1 + bt-1 ) Xt

bt = γ (St — St-1) + (1 — γ )bt-1

It =β Xt St + (1− β )It-1

14
 Ft + m = (St + bt m)It-1+m…………………pers(2.9)
2. Teknik Eksplanatoris (Kausal)
Metode ini mengasumsikan variabel yang diramalkan menunjukkan
adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas.
Dalam prakteknya jenis metode peramalan ini terdiri dari:
a. Regresi Sederhana
Adalah sebuah metode pendekatan hubungan antara satu variabel.
1. Kostan

Ŷ (t) = ɑ ……………………………………………pers(3.0)
2. Linear

Ŷ (t) = ɑ + b
t……………………………………...pers(3.1)
3. Kuadratis

Ŷ (t) =ɑ + b t + c t2………………………………
pers(3.2)
4. Exponential

Ŷ (t) = ɑ ebt………………………………………....pers(3.3)

b. Regresi Berganda
Adalah model regresi atau predeksi yang melibatkan lebih dari
satu variabel bebas atau predictor.
c. Model Ekonometrik
Merupakan suatu alat analisis yang digunakan untuk menguji
hipotesis yang menjadi fokus penelitian dalam rumusan masalah.
d. Model Siklis
Persamaan model siklus adalah sebagai berikut:

15
 Y(t) = ɑ + ucos 2πN t + vsin 2πN t ; N= jumlah
periode per siklus
Nilai a, u, dan v pada persamaan diatas diperoleh dengan
melakukan eliminasi 3 persamaan liniar berikut:

Ʃy = ɑn + uƩ cos 2πN t + v Ʃ sin 2πN t

Ʃy cos 2πN t = ɑ Ʃ cos 2πN t + uƩ cos2 2πN t + v Ʃ sin 2πN t

cos 2πN t

Ʃy sin 2πN t = ɑ Ʃ sin 2πN t + uƩ cos2 2πN t sin 2πN +vƩ

sin2 2πN t……pers (3.4)

e. Model Linear Siklis

Rumus umum linear siklis sebagai berikut:

Y(t) = ɑ + bt + ucos 2πN t + vsin 2πN t ;

…………………….pers (3.5)

N = jumlah periode per siklus

Nilai a, b, u, dan v pada persamaan diatas diperoleh dengan

melakukan eliminasi empat persamaan linear berikut:

∑undOvronony=an+b∑undOvronont+u∑undOvrononcos2ðNt+v∑undOvron

onsin2ðNt

∑undOvrononyt=a∑undOvronont+b∑undOvronont2+u∑undOvron
ont cos 2ðNt+v∑undOvronont sin2ðNt

16
 ∑undOvronony cos2ðNt=a∑undOvrononcos2ðN+b∑undOvronont cos+
u∑undOvronon cos2 2ðNt+v∑undOvrononsin2ðNtcos2ðN

∑undOvronony sin2ðNt =a∑undOvrononsin2ðN+b∑undOvronont sin+ u∑undOvronon cos

2ðNt sin2ðN

2.3.1 Ukuran — Ukuran Kesalahan Peramalan

Kesalah peramalan adalah perbedaan antar nilai sebenarnya dengan nilai
peramalan. Dalam semua situasi peramalan mengandung derajat ketidakpastian.
Kita mengenali fakta ini dengan memasukkan unsur kesalahan (error) dalam
perumusan sebuah peramalan deret waktu. Sumber penyimpangan dalam
peramalan bukan hanya disebabkan oleh unsur error , tetapi ketidakmampuan
suatu model peramalan mengenali unsur yang lain dalam deret data juga
mempengaruhi besarnya penyimpangan dalam peramalan. Jadi besarnya
penyimpangan hasil peramalan bisa disebabkan oleh besarnya faktor yang tidak
diduga (Outliers) dimana tidak ada metode peramalan yang mampu
menghasilkan peramalan yang akurat, atau bisa juga disebabkan metode
peramalan yang digunakan tidak dapat memprediksi dengan tepat komponen
trend, komponen Penerapan Ukuran Ketepatan. (Iwa Sungkawa; Ries Tri
Megasari) 641 musiman, atau komponen siklus yang mungkin terdapat dalam
deret data, yang berarti metode yang digunakan tidak tepat.
Persamaan ukuran — ukuran kesalah adalah sebagai berikut:

ei=Xi-Fi
……………………………………..pers (3.6)

Sebagaimana:

ei : kesalahan pada periode ke-i

17
 Xi : data aktual periode ke-i

Fi : nilai peramalan ke-I

Beberapa statistik ukuran kesalahan yang biasa dipakai:

Mean Error :ME = ∑undOvronon(ei)n

……..…..…pers (3.7)

Mean Absolut Error : MAE =∑undOvronon(ei)n

…………… pers (3.8)

Sum of Square Error : SSE = ∑undOvronon(ei)2

…………..pers (3.9)

Mean Square Error : MSE = ∑undOvronon(ei)2n

………...pers (4.0)

Standard Deviation of Error : SDE = ∑undOvronon(ei)2(n-1)2

……......pers (4.1)

Percentage Error : PE = eixi x

100%.....pers (4.2)

18
Mean Percentage Error : MPE = ∑undOvronon(PEi)n
…….…….pers (4.3)

Mean Absolute Percentage Error : MAPE = ∑undOvronon(PEi)n

………........pers( 4.4)

Standard Error of Estimate : SEE = on∑undOvrt-1nXi-Fi2(n-f)

..…..pers (4.5)

19