MODUL PERKULIAHAN

Perenc. dan
Pengendalian
Produksi
Peramalan / Forecastings

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

03
Teknologi Industri Teknik Industri MK16022 Defi Norita ST, MT

Abstract Kompetensi
Menjelaskan tentang konsep dasar dan Mahasiswa dapar menjelaskan kembali
pengertian dari metode peramalan dan mengerti metode peramalan dalam
produksi produksi
Peramalan Bisnis
Peramalan dapat diartikan sebagai proses untuk memperkirakan berapa kebutuhan dimasa
datang yang meliputi kebutuhan kuantitas, kualitas, waktu dan lokasi untuk memenuhi
permintaan barang atau jasa.
Peramalan tidak harus terjadi pada kondisi permintaan yang stabil, karena perubahannya
relative kecil, tetapi peramalan akan sangat dibutuhkan jika kondisi pasar bersifat fluktuatif
dan kompleks. Pasar bebas yang akan dihadapi adalah permintaan pasar yang kompleks
dan fluktuatif karena permintaan akan tergantung kondisi social, ekonomi, politik, teknologi,
pesaing dan subtitusi.

Peramalan Permintaan

Peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan

teralisir untuk jangka waktu tertentu pada masa yang akan datang. Peramalan permintaan
peramalan ini akan menjadi masukan yang sangat penting dalam keputusan perencanaan
dan pengendalian perusahaan. Karena bagian operasional produksi bertanggung jawab
terhadap pembuatan produk yang dibutuhkan konsumen , maka keputusan operasi produksi
sangat dipengaruhi hasil dari peramalan permintaan. Peramalan permintaan ini digunakan
untuk meramalkan permintaan dari produk yang bersifat bebas (tidak tergantung), seperti
peramalan produk jadi.
Permintaan akan suatu produk pada suatu perusahaan merupakan resultan dari berbagai
faktor yang saling berinteraksi dalam pasar. Faktor-faktor ini hampir selalu merupakan
kekuatan yang berada diluar kendali perusahaan. Berbagai faktor tersebut antara lain :

 Siklus Bisnis. Penjualan produk akan dipengaruhi oleh permintaan akan produk
tersebut, dan permintaan akan suatu produk akan dipengaruhi oleh kondisi ekonomi
yang membentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi dan masa
pemulihan.
 Siklus Hidup Produk. Siklus hidup suatu produk biasanya mengikuti suatu pola
yang biasa disebut kurva S. Kurva S menggambarkan besarnya permintaan
terhadap waktu, dimana siklus hidup suatu produk akan dibagi menjadi fase
pengenalan, fase pertumbuhan, fase kematangan dan akhirnya fase penurunan.
Untuk menjaga kelangsungan usaha, maka perlu dilakukan inovasi produk pada saat
yang tepat.
 Faktor-faktor lain. Beberapa faktor lain yang mempengaruhi permintaan adalah
reaksi balik dari pesaing, perilaku konsumen yang berubah, dan usaha-usaha yang

‘20 PPIC
2 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 dilakukan sendiri oleh perusahaan seperti peningkatan kualitas, pelayanan,
anggaran periklanan, dan kebijaksanaan pembayaran secara kredit.

Peramalan yang baik mempunyai beberapa kriteria yang penting antara lain akurasi biaya,
dan kemudahan. Penjelasan dari criteria-kriteria tersebut adalah sebagai berikut :
 Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan ke konsistensian
peramalan tersebut.Hasil peramalan dikatakan bias bila peramalan tersebut terlalu
tinggi atau terlalu rendah dibandingkan dengan kenyataan yang sebenarnya terjadi.
Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.
Peramalan yang terlalu rendah, akan mengakibatkan kekkurangan persediaan,
sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya adalah
perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan
penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya
penumpukan persediaan, sehingga banyak modal yang terserap sia-sia. Keakuratan
dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang
ideal (meminimasi penumpukan persediaan dan memaksimasi tingkat pelayanan).
 Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari
jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan
yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa
banyak data yang dibutuhkan, bagaimana pengolahan datanya (manual dan
komputerisasi) bagaimana penyimpanan datanya dan siapa tenaga ahli yang
diperbantukan. Pemilihan metode peramlan harus disesuaikan dengan dana yang
tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting
akan diramalkan dengan metode yang canggih dan mahal, sedangkan item-item
yang kurang penting bisa diramalkan dengan metode yang sederhana dan murah.
Prinsip ini merupakan adopsi dari Hukum Pareto (Analisa ABC).
 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, sumberdaya manusia, maupun peralatan
teknologi.

‘20 PPIC
3 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Metode Peramalan
Yang mempengaruhi valid atau tidaknya hasil ramalan adalah identifikasi masalahnya,
pemilihan dan pengumpulan datanya (tidak reliabel, valid, dan lengkap ), pemilihan alat atau
metode peramalannya, dan interprestasi hasil / penerjemahan hasil.
Sebagai peramalan atau penduga tentunya memiliki beberap sayarat yang akan diakui
bahwa si penduga itu baik dalam melakukan tugasnya, yaitu:
a. Tidak Bias ( Sesuai dengan Kenyataan)

Tidak Bias Bias

b. Harus Efisien ( Memiliki Varian yang Kecil)

c. Harus Konsisten ( Semakin Besar n , Semakin mendekati kenyataan )

d. Memiliki Mean Square Error ( MSE) yang kecil

‘20 PPIC
4 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Peramalan Kualitatif

Ada beberapa metode yang dikenal untuk melakukan peramalan kualitatif sekarang ini,
seperti dibawah ini :

1. Juri Opini Eksekutif. Dalam metode ini, peramalan dilakukan oleh eksekutif /manajer
tingkat atas perusahaan, karena kemampuan yang mereka miliki
2. Metode Delphi, dilakukan dengan melengkapi data untuk peramalan dengan
membagikan daftar pertanyaan kepada konsumen/masyarakat
3. Tenaga Penjualan. Peramalan dilakukan dengan memanfaatkan kedekatan tenaga
penjual dengan konsumen
4. Survei Pasar, dimana peramalan dilakukan dengan turun langsung ke
lapangan/pasar, sehingga diperoleh informasi langsung dari pasar.

Peramalan Kuantitatif

Didalam peramalan kuantitatif ada beberapa metode yang dikenal baik oleh kalangan
praktisi dan akademisi, mereka akan dijelaskan lebih detil seperti pembahasan selanjutnya.

1. Analisis runtun waktu (time series)

Secara umum dapat dijelaskan, bahwa peramalan produksi dengan pendekatan analisis
runtun waktu, dilakukan dengan memanfaatkan data masa lalu yang dimiliki perusahaan,
secara series (runtut). Data yang dimiliki perusahaan, dapat saja menunjukkan macam-
macam pola data, seperti terlihat pada gambar berikut ini :

Gambar 1. Pola data pada perusahaan

‘20 PPIC
5 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Teknik peramalan yang dapat digunakan untuk memanfaatkan data masa lalu ini
diantaranya adalah :
a. Teknik Freehand
b. Teknik Kuadrat Terkecil

Y = a + bX, dimana nilai (a) dan (b) dapat dicari dengan rumusan :

a= ∑ Y / n & b = ∑ XY / ∑ X²

Namun demikian, seringkali periode data yang dimilki perusahaan tidak selalu dalam jumlah
periode yang sama, dalam arti bisa ganjil (3, 5, 11, 25 periode) dan juga bisa genap ( 10
atau 20 periode). Hal ini tentunya membutuhkan perlakuan yang berbeda dalam analisisnya.

 Apabila Data Ganjil

Periode Permintaan (Y) Bobot (X) XY X²

Januari 45 -2 -90 4
Februari 44 -1 -44 1
Maret 46 0 0 0
April 43 1 43 1
Mei 44 2 88 4
222 0 -3 10

Dari tabel di atas dapat diperoleh persamaan peramalannya, dengan menghitung terlebih
dahulu nilai konstanta (a) dan kemiringan (b) nya, seperti terlihat berikut ini :

a = 222/5 = 44.4
b = -3/10 = -0.3, sehingga persamaan untuk melakukan peramalannya adalah:

Y = a + bX
Y = 44.4 – 0.3 X,

Dengan demikian perkiraan nilai permintaan atau produksi yang harus dipenuhi untuk
bulan Juni adalah sebesar :

YJuni = 44.4 – 0.3 (3)  bulan Juni memiliki bobot (X) sebesar 3

‘20 PPIC
6 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 = 43.5 unit

 Bila Data Genap

Permintaan
(Y) (X)
45 -5
44 -3 Cara selanjutnya sama
46 -1 dengan contoh Data Ganjil
43 1
44 3
45 5

 Bila tahun / periode pertama sebagai tahun dasar ( X = 0)

Apabila pertimbangan data ganjil dan data genap ingin diabaikan, tanpa khawatir terjadi
‘kesalahan’ dalam melakukan perhitungan peramalan, maka cara berikut ini dapat
menjadi pilihan.

Periode Permintaan (X) XY X²

(Y)
Januari 45 0 0 0
Februari 44 1 44 1
Maret 46 2 92 4
April 43 3 129 9
Mei 44 4 176 16
222 10 441 30

Apabila cara ini yang dipilih, maka untuk mendapatkan nilai a dan b, rumus yang digunakan
adalah :

sehingga persamaan untuk melakukan peramalannya adalah:

‘20 PPIC
7 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Y = a + bX
Y =45–0.3X, Bandingkan hasilnya dengan contoh terdahulu, dan secara umum
dapat dikatakan menghasilkan persamaan peramalan yang
sama, hanya ada perbedaan sedikit dalam nilai konstantanya.

2. Teknik Rata-Rata Bergerak

Metode ini dihitung dengan cara mencari rata-rata dari beberapa nilai periode sebelumnya.
Berikut ini contoh peramalan, dimana hasil peramalan produksi bulan Juli diperoleh dengan
menghitung rata-rata dari nilai produksi tiga bulan sebelumnya (rata-rata produksi dari bulan
April s.d. Juni). Jadi, hasil perkiraan permintaan/produksi bulan Juli adalah sebesar 44 unit.

Periode Permintaan (Y) dengan n = 3 Atau

Januari 45 –
Februari 44…..(45 + 44 + 46)/3 =45 –

Maret 46 –
April 43 (45 + 44 + 46)/3 = 45

Mei 44 (44 + 46 + 43)/3 = 44,33

Juni 45 (46 + 43 + 44)/3 = 44,33
Juli ? (43 + 44 + 45)/3 = 44

3. Teknik Rata – Rata Bergerak Tertimbang

Metode ini hampir sama dengan metode sebelumnya, hanya saja nilai setiap periode
sebelumnya diberi bobot sesuai jangka waktunya. Nilai produksi satu periode sebelumnya
akan memiliki bobot yang lebih besar dari nilai produksi dua periode sebelumnya, dan nilai
produksi dua periode sebelumnya ini akan memiliki bobot yang lebih besar dari nilai
produksi tiga periode sebelumnya, begitu setrusnya. Mengapa demikian ?

F t-1 = W t . Xt + W t-1. X t-1 +……+W t-N+1 . X t-N+1

F t-1 = Nilai Ramalan pada periode t-1
W t = Bobot Nilai Aktual Periode t
W t-1 = Bobot Nilai Aktual Periode t-1 (dst..)
X t = Nilai Aktual Periode t
X t-1 = Nilai Aktual Periode t-1 (dst…)

Bobot periode t > t-1

Bobot Periode t-1 > t-2

‘20 PPIC
8 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Contoh : ( Periode Rata –Rata Bergerak : 3 periode )

Catatan
o Bobot Periode t = 50% (t-1), Mengapa periode ini bobotnya paling besar ?
o Bobot Periode t-1 = 30% (t-2)
o Bobot periode t-2 = 20% (t-3)
100%

Perhatikan, bahwa untuk mendapatkan hasil peramalan bulan Juli, nilai produksi bulan Juni
memiliki bobot yang lebih besar (50%) dibanding bobot nilai produksi bulan Mei (30%), dan
yang paling kecil bobotnya adalan nilai produksi bulan April (20%).

4. Teknik Exponential Smothing (Tunggal)

Ft = (Ft-1 + α (A t-1 – Ft-1)

Ft = Periode t yang diramalkan
Ft-1 = Hasil ramalan periode t-1
At-1 = Nilai sebenarnya periode t-1
α = porsi perbedaan nilai sebenarnya & hasil ramalan periode terakhir
( 0 < α <1 )

Dengan mengasumsikan α = 0,2 , maka bila digunakan contoh pada Rata-rata

bergerak tertimbang, hasil ramalan bulan Juli dengan teknik Exponential Smoothing adalah :

‘20 PPIC
9 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
FJuli = FJuni + α ( AJuni – FJuni)
= 44,1 + 0,2 (45 – 44,1)
= 44,28 (Bandingkan hasilnya dengan teknik sebelumnya)

Pengaruh trend dalam exponential smoothing, jika ternyata permintaan yang sebenarnya
pada bulan Juli sebesar 46 ( bukan 44,28) ,maka ramalan Agustus dengan Trend (FTT)
adalah.

FTT = Ft+ Tt
Ft = Ft-1 + α ( At-1 – Ft-1)
= 44,28 + 0,2 (46 – 44,28) = 44,62

Tt = Tt-1 + β (Ft – Ft-1) , = jika β 0,3 & Trend tahun sebelumnya =10
,maka :
Tt = 10 + 0,3 (44.62 – 44,28) = 10,102
FTTAgust = Ft + Tt = 44,62 + 10,102 = 54,722

Daftar Pustaka

‘20 PPIC
10 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
1. Fogarty, Donald W., Johan H. Blackstone and Thomas R. Hoffman, 1991, Production &
Inventory Management, Ohio : South-Western Publishing Co.
2. Bedworth, D., Integrated Production Control Systems, 1982, New York, John Willey &
Sons Inc.
3. Oden, H.W. Handbook of Material and Capacity Requirement Planning. McGraw Hill,
2001.
4. Sipper & Bulfin, Jr. Production Planning, Control, and Integrations. McGraw Hill, 2007.
5. Gasperz, Vincent, Production Planning and Inventory Control, Gramedia Pustaka Utama,
Jakarta, 1998.
6. Gaspersz, Vincent, Production Planning & Inventory Control Berdasarkan Pendekatan
Sistem Terintegrasi MRP II dan JIT menuju Manufacturing 21, Jakarta : PT.Gramedia
Pustaka Utama, 2004

‘20 PPIC
11 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id