MODUL PERKULIAHAN

Perenc. dan
Pengendalian
Produksi
Metode Peramalans

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

04
Teknologi Industri Teknik Industri MK16022 Defi Norita ST, MT

Abstract Kompetensi
Menjelaskan tentang metode Mahasiswa dapar menjelaskan kembali
peramalan produksi berdasarkan jenis dan mengerti metode peramalan dalam
permintaan produksi
Peramalan
Faktor yang mempengaruhi permintaan.

Permintaan produk pada suatu perusahaan merupakan resultan dari berbagai faktor yang
saling berinteraksi dalam pasar. Faktor-faktor tersebut hampir selalu merupakan kekuatan
yang berada di luar 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, di mana siklus hidup suatu produk akan dibagi menjadi fase
pengenalan, fase pertumbuhan, fase kematangan, dan akhirnya fase penurunan.
Unutk menjaga kelangsungan usaha, maka perlu dilakukan inovasi produk pada saat
yang tepat.

 Gambar - Tahapan Siklus Hidup suatu Produk

Penjualan

I II III IV

 Faktor-faktor lain. Beberapa faktor lain yang mempengaruhi permintaan adalah

reaksi balik dari pesaing, perilaku konsumen yang berubah, dan usaha-usaha yang
dilakukan sendiri oleh perusahaan seperti peningkatan kualitas, pelayanan,
anggaran periklanan, dan kebijakan pembayaran secara kredit.

‘20 PPIC
2 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Karaketeristik Peramalan yang Baik

Peramalan yang baik mempunyai beberapa kriteria yang penting antara lain sebagai
berikut :
 Akurasi. Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan
konsistensi 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
kekurangan 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, yaitu meminimasi penumpukan persediaan
dan memaksimasi tingkat pelayanan.

 Biaya. Biaya yang diperlukan dalam pembuatan suatu peramalan bergantung

kepada 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, yaitu secara
manual atau komputerisasi, bagaimana penyimpanan datanya, dan siapa tenaga ahli
yang diperbantukan. Pemilihan metode peramalan 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 (Analisis ABC).

 Kemudahan. 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.
Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan hasil suatu peramalan, terdapat beberapa hal
yang harus dipertimbangkan, yaitu:

‘20 PPIC
3 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
  Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi
ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian
tersebut.
 Peramalan seharusnya memberikan informasi tentang berapa ukuran kesalahan,
artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi
peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
 Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal
ini disebabkan pada peramalan jangka pendek, sejumlah faktor yang mempengaruhi
permintaan relatif masih konstan, sementara semakin panjang periode peramalan,
semakin besar pula kemungkinan terjadinya perubahan faktor yang mempengaruhi
permintaan.

Metode Peramalan
Secara umum, peramalan diklasifikasika menjadi 2 macam, yaitu :
1. Peramalan yang bersifat subyektif
2. Peramalan yang bersifat obyektif
Perbedaan antara kedua macam peramalan ini didasarkan pada cara mendapatkan nilai-
nilai ramalan.
Peramalan Subjektif
Peramalan subyektif lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat
pribadi seseorang, dan intuisi yang meskipun kelihatanya kurang ilmiah tetapi dapat
memberikan hasil yang baik. Peramalan subyektif ini akan diwakili oleh metoda delphi dan
metoda penelitian pasar.
 Metoda Delphi. Metoda ini merupakan cara sistematis, untuk mendapatkan keputusan
bersama dari suatu kelompok yang terdiri dari para ahli dan berasal dari disiplin yang
berbeda. Kelompok ini tidak bertemu secara bersama dalam suatu forum untuk
berdiskusi, tetapi merka diminta pendapatnya secara terpisah dan tidak boleh saling
berunding. Hal ini dilakuan untuk menghindari pendapat yang bias karena pengaruh
kelompok. Pendapat yang berbeda secara signifikan dari ahli yang lain dalam kelompok
tersebut akan ditanyakan lagi kepada yang bersangkutan, sehingga diperoleh angka
estimasi pada interval tertentu yang dapat diterima. Metoda delphi ini dipakai dalam
peramalan teknologi yang sudah digunakan pada pengoperasian jangka panjang. Selain
itu, metoda ini juga bermamfaat dalam pengembangan produk baru, pengembangan
kapasitas produksi, penerobosan kesegmen pasar baru dan strategi keputusan bisnis
lainnya.

‘20 PPIC
4 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Metoda Penelitian Pasar. Metoda ini mengumpulkan dan menganalisa fakta secara
otomatis pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama
dalam penelitian pasar ini adalh survei konsumen. Survei konsumen akan memberikan
informasi mengenai selera yang diharapkan konsumen, dimana informasi tersebut
diperoleh dari sampel dengan kuesioner. Penelitian pasar sering digunakan dalam
merencanakan produk baru, sistem periklanan, dan promosi yang tepat. Hasil dari
penelitian pasar ini kadang-kadang juga dipakai sebagai dasar peramalan permintaan
produk baru.

Peramalan Objektif

Peramalan objektif merupakan prosedur peramalan yang mengikuti aturan-aturan matematis

dan statistik dalam menunjukan hubungan antara permintaan dengan satu atau lebih
variabel yang mempengaruhinya. Selain itu peramalan objektif juga mengasumsikan bahwa
tingkat keeratan dan macam dari hubungan antara variabel-variabel bebas dengan
permintaan yang terjadi pada masa lalu akan berulang juga pada masa yang akan datang.
Peramalan objektif terdiri atas dua metoda, yaitu metoda intristik dan metoda ektrinsik.
 Metoda Intrinsik. Metoda ini membuat peramalan hanya berdasarkan proyeksi
permintaan historis tanpa mempertimbangkan faktor-faktor eksternal yang mungkin
mempengaruhi besarnya permintaan. Metoda ini hanya cocok untuk peramalan jangka
pendek pada kegiatan produksi, di mana dalam rangka pengendalian produksi dan
pengendalian persediaan bahan baku seringkali perusahaan harus melibatkan banyak
item yang berbeda. Hal ini tentu membosankan sehingga memerlukan metoda-metoda
peramalan yang mudah dan murah. Metoda Intrinsik diwakili oleh analisis deret waktu.

 Metoda Ekstrinsik. Metoda ini mempertimbangkan faktor-faktor eksternal yang mungkin

dapat mempengaruhi besarnya permintaan di masa yang akan datang dalam model
peramalannya. Metoda ini lebih cocok untuk peramalan jangka panjang karena dapat
menunjukan hubungan sebab akibat yang jelas dalam hasil peramalanya sehingga
disebut metoda kausal dan dapat memprediksi titik-titik perubahan. Kelemahan dari
metoda ini adalah dalam hal mahalnya biaya aplikasi dan frekuensi perbaikan hasil
peramalan yang rendah karena sulitnya menyediakan informasi perubahan faktor-faktor
eksternal yang terukur. Metoda ekstrinsik banyak dipakai untuk peramalan pada tingkat
agregat. Metoda ini akan diwakili oleh metoda regresi.

Peramalan permintaan

‘20 PPIC
5 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Dengan mempertimbangan bahwa penggunaan metoda statistik yang dilakukan pada data
yang lalu adalah cara yang realistis untuk melakukan peramalan permintaan yang akan
datang, dilakukan langkah sebagai berikut:
1. Membuat plot permintaan terhadap waktu (demand versus time)
2. Menentukan teknik yang digunakan
3. Mengevaluasi error yang diharapkan
4. Mengambil keputusan untuk menggunakan teknik yang dipertimbangkan atau
berusaha mendapatkan yang lebih baik.

Terdapat beberapa metode peramalan:

 Peramalan Least Square / Linear
 Peramalan Constant
 Peramalan Cyclic
 Peramalan Linear-Cyclic
 Peramalan lainnya: Moving Average, Exponential Smoothing, Curvilinear Regression,
Combination.

Analis Deret Waktu (Time Series)

Dalam pendekatan analisis deret waktu didasarkan pada asumsi bahwa deret waktu
tersebut terdiri dari komponen-komponen Trend (T), Siklus/Cycle (C), Pola Musiman /
Season (S), Variasi Acak / Random (R) yang akan menunjukkan suatu pola tertentu.
Komponen-komponen tersebut kemudian dipakai sebagai dasar dalam membuat
persamaan matematis. Analisa Deret Waktu ini sangat tepat dipakai untuk meramalkan
permintaan yang pola permintaan di masa lalunya cukup konsisten dalam periode waktu
yang lama, sehingga diharapkan pola tersebut masih akan tetap berlanjut.
Permintaan di masa lalu pada analisa deret waktu akan dipengaruhi keempat komponen
utama T, C, S, dan R. Penjelasan tentang komponen-komponen tersebut adalah sebagai
berikut.

‘20 PPIC
6 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Fungsi Peramalan Least Square
 Tabel - Permintaan Linier dengan Variasi Acak selama 12 bulan

Bulan Permintaan Bulan Permintaan

1 199 7 214

2 202 8 220

3 199 9 219

4 208 10 234

5 212 11 219

6 194 12 233

Total 2553

 Gambar – Pola Permintaan Naik Bervariasi Acak

Pola Permintaan Naik Bervaraisi Acak

235 234 233
230

225
Permintaan ( Unit )

220 220 219 219

215 214
212
210
208
205
202
200 199 199
195 194
190
1 2 3 4 5 6 7 8 9 10 11 12
Tahun

 Tabel - Perhitungan Koefisien Persamaan Linear yang akan Dieliminasi

‘20 PPIC
7 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 t d’ d t2

1 199 199 1

2 202 404 4

3 199 597 9

4 208 832 16

5 212 1060 25

6 194 1164 36

7 214 1498 49

8 220 1760 64

9 219 1971 81

10 234 2340 100

11 219 2409 121

12 233 2796 144

78 2553 17030 650

Persamaan Linear regresi Peramalan Permintaan didapatkan dengan mengeliminasi

persamaan:
2553 = 12 a + 78 b

17030 = 78 a + 650 b

yang menghasilkan a = 192.92 , b = 3.05 , dan Persamaan Regresi Peramalan Permintaan

d’ = 192.92 + 3.05 t

Dengan menggunakan persamaan peramalan d’ = 193 + 3t , maka Standard Error of

Estimate sebagai berikut :

 Tabel - Perhitungan Standard Error of Estimate Persamaan Peramalan Linear

Bulan d D’ (d – d’)2

‘20 PPIC
8 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1 199 196 9

2 202 199 9

3 199 202 9

4 208 205 9

5 212 208 16

6 194 211 289

7 214 214 0

8 220 217 9

9 219 220 1

10 234 223 121

11 219 226 49

12 233 229 16

78 1191 1191 1180.25

Standard error of Estimate = ( 537/ ( 12 – 2 ) )1/2 = 7.32 unit.

Peramalan Constant
Peramalan Cyclic
Peramalan Linear-Cyclic

Ukuran Akurasi Peramalan

Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil
peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan.
Ukuran yang biasa digunakan adalah:
1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD )
MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :

‘20 PPIC
9 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 At  Ft
MAD =  n

Di mana:
A = Permintaan Aktual pada perioda – t
Ft = Peramalan Permintaan pada perioda –t
n = Jumlah Perioda Peramalan yang terlibat
2. Rata-Rata Kuadrat Kesalahan ( Mean Square Error = MSE )
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada
setiap perioda dan membaginya dengan jumlah perioda peramalan. Secara
matematis, MSE dirumuskan sebagai berikut :

 At  Ft  2
MSE =  n
3. Rata-Rata Kesalahan Peramalan ( Mean Forecast Error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama perioda
tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan
semua kesalahan peramalan selama perioda peramalan dan membaginya dengan
jumlah perioda peramalan. Secara matematis, MFE dinyatakan sebagai berikut :
 At  Ft 
MFE =  n
4. Rata-Rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error =
MAPE ).
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan aktual selama perioda tertentu yang akan
memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.
Secara matematis, MAPE dinyatakan sebagai berikut :

 100  Ft
MAPE =   At 
 n  At

 Contoh - Suatu data permintaan aktual produk “X” dibandingkan hasil peramalannya
diketahui seperti yang ditunjukkan pada tabel.
Hitunglah MAD, MSE, MAPE, dan MFE-nya.

Verifikasi dan Pengendalian Peramalan

Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian rupa
sehingga mencerminkan data masa lalu dan sistem penyebab yang mendasari permintaan
tersebut. Sepanjang representasi peramalan tersebut dapat dipercaya, hasil peramalan

‘20 PPIC
10 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
dapat terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas
metode peramalan yang digunakan, harus dicari metode lainnya yang lebih cocok. Validitas
tersebut harus ditentukan dengan uji statistis yang sesuai.
Setelah suatu peramalan dibuat, selalu timbul keraguan apakah perlu dibuat suatu metode
peramalan baru . Peramalan harus selalu dibandingkan dengan permintaan aktual secara
teratur. Pada suatu saat harus diambil tindakan revisi peramalan apabila ditemukan bukti
adanya perubahan pola permintaan yang meyakinkan. Selain itu, penyebab perubahan pola
permintaan harus diketahui. Penyesuaian metode peramalan dilakukan segera setelah
perubahan pola permintaan diketahui. Terdapat banyak perkakas yang dapat digunakan
untuk memverifikasi peramalan dan mendeteksi perubahan sistem penyebab yang
melatarbelakangi perubahan pola permintaan. Bentuk yang paling sederhana adalah peta
kendali peramalan, mirip dengan peta kendali kualitas. Peta kendali ini dapat dibuat dengan
ketersediaan data yang minim.

Peta Moving Average

Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai
peramalan. Data permintaan aktual dilihat dan dibandingkan dengan nilai peramalan pada
perioda yang sama. Peta tersebut dikembangkan ke perioda yang akan datang sehingga
data peramalan dapat dibadingkan dengan permintaan aktual. Selama perioda dasar
(perioda pada saat menghitung peramalan), Peta Moving Range digunakan untuk
melakukan verifikasi teknik dan parameter peramalan. Setelah metode peramalan
ditentukan, peta Moving Range digunakan intuk pengujian kestabilan sistem penyebab yang
mempengaruhi permintaan. Moving Range dapat didefinisikan sebagai :
MR   ( d't  d t ) - ( d't 1  d t 1 ) 

dan rata-rata Moving Range didefinisikan sebagai :

MR
MR  
n -1
Garis tengah peta Moving Range adalah pada titik nol. Upper control level (batas kendali
atas) dan Lower control level (batas kendali bawah) pada peta Moving Range adalah :
UCL = + 2.66 MR
LCL = - 2.66 MR
Sementara itu variabel yang akan diplot ke dalam peta Moving Range :
d t  d' t - d t

Sekurang-kurangnya harus ada 10 dan lebih disukai 20 data untuk membuat peta Moving
Range. Batas ini ditetapkan sedemikian sehingga diharapkan hanya ada tiga dari 1000 titik
yang berada di luar batas kendali, jika sistem penyebab yang melatarbelakanginya tetap

‘20 PPIC
11 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
sama. Jika ditemukan satu titik yang berada di luar batas kendali pada saat peramalan
diverifikasi, harus ditentukan apakah data harus diabaikan atau peramalan baru harus dicari.
Jika ditemukan sebuah titik berada di luar batas kendali harus diselidiki penyebabnya.
Temuan itu mungkin membutuhkan penyelidikan yang ekstensif.

Jika semua titik berada di dalam batas kendali, diasumsikan peramalan permintaan yang
dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali berarti
peramalan yang didapat kurang baik dan harus direvisi. Peta kendali dapat digunakan untuk
mengetahui apakah terjadi perubahan dalam sistem penyebab yang melatarbelakangi
permintaan sehingga dapat ditentukan persamaan peramalan baru yang lebih cocok atas
sistem penyebab yang terjadi pada saat ini.

Uji Kondisi Di Luar Kendali

Uji yang paling konklusif bagi kondisi di luar kendali adalah adanya titik di luar batas kendali.
Selain itu, terdapat pula uji lainnya dengan tingkat kemungkinan yang sama. Teknik yang
digunakan berikut ini dirancang agar dapat digunakan dengan jumlah data yang seminimal
mungkin. Uji ini dilakukan dengan cara membagi peta kendali ke dalam enam bagian
dengan selang yang sama. Daerah A adalah daerah di luar  2/3 (2.66 MR) =  1.77 MR (di
atas +1.77 MR dan di bawah –1.77 MR). Daerah B adalah daerah di luar  1/3 (2.66 MR) =
 0.89 MR (di atas +0.89 MR dan di bawah –0.89 MR). Daerah C adalah daerah di atas atau
di bawah garis tengah. Uji kondisi di luar kendali adalah:
1. Dari tiga titik berurutan, apakah ada dua atau lebih titik yang berada di daerah A?
2. d’
Dari
- d lima titik yang berurutan, apakah ada empat atau lebih titik yang berada di daerah
B?
3. Apakah ada delapan titik berturut-turut yang berada di salah satu sisi (di atas atau di
bawah garis tengah).
Daerah Di Luar Kendali
Gambaran daerah-daerah A, B, dan C ditunjukkanBatas
padaKendali
gambar.AtasKondisi apabila ketiga

kriteria di atas terpenuhi diperlakukan sama dengan kondisi titik berada di luar batas kendali.

Daerah A

Batas Daerah A

 Gambar –Daerah
Kriteria
B Di Luar Kendali

Batas Daerah B

‘20 PPIC
12 DefiDaerah
Norita ST, C
MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Penggunaan Moving Range untuk Verifikasi Peramalan
Penggunaan Moving Range untuk melakukan verifikasi hasil peramalan contoh terdahulu.
Dalam kasus tersebut, jika peta Moving Range menunjukan keadaan di luar kriteria kendali
maka data yang tidak berasal dari sistem akibat yang sama akan dibuang dan fungsi
peramalan ditentukan lagi.
Contoh kasus peramalan linear sebelumnya digunakan untuk menggambarkan proses
verifikasi peramalan. Perhitungan yang dibutuhkan untuk memverifikasi peramalan linear
yang dibuat ditunjukkan dalam tabel. Peta kendali ditunjukkan pada gambar. Dapat dilihat
terdapat sistem penyebab yang stabil dan dapat dinyatakan secara statistik bahwa
peramalan linear tersebut valid.
Dengan mengasumsikan peramalan linear adalah peramalan yang terbaik (atau dengan
kata lain memiliki SEE terkecil), maka peramalan permintaan untuk tahun yang akan datang
didapatkan dengan memasukkan angka 13 hingga 24 sebagai t ke dalam persamaan y , =
193 + 3 t, yang ditunjukkan pada tabel.
 Tabel - Hasil akhir Peramalan Linear
Bulan Perioda (t) Permintaan (d’)

Januari 13 233

‘20 PPIC
13 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Februari 14

Maret 15 236

April 16 239

Mei 17 242

Juni 18 245

Juli 19 248

Agustus 20 251

September 21 254

Oktober 22 257

November 23 260

Desember 24 263

266

Total 2944

 Tabel - Perhitungan Peta Moving Range untuk Memverifikasi Peramalan Linear.

Bulan Perioda Peramalan Permintaan d’- d Moving Range
(t) d’ d MR
Januari 1 196 199 -3 -
Februari 2 199 202 -3 0
Maret 3 202 199 3 6
April 4 205 208 -3 6
Mei 5 208 212 -4 1
Juni 6 211 194 17 21
Juli 7 214 214 0 17
Agustus 8 217 220 -3 3
September 9 220 219 1 4
Oktober 10 223 234 -11 12
November 11 226 219 7 18
Desember 12 229 233 -4 11
78 2550 2553 -3 99

‘20 PPIC
14 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Peta Kendali Moving Range Untuk Contoh Soal
Peramalan Linear
20
17
15
10
7
5
y'-y

3
1
0 0
-3 -3 -3 -3
-5 1 2 3 4 5 -4 6 7 8 9 10 11 12-4
-10 -11
-15
Periode

Penggunaan peta Moving Range sebagai alat untuk memperhatikan kestabilan sistem
akibat yang melatarbelakangi fungsi peramalan. Apabila terjadi kondisi di luar kendali,
tindakan terhadap peramalan harus dilakukan. Dua tindakan yang dapat dilakukan adalah:
 Merevisi peramalan dengan memasukkan data dan sistem penyebab yang baru
 Menunggu bukti lebih lengkap

Kedua tindakan di atas harus diambil hanya setelah mempertimbangkan seluruh segi sistem
penyebab. Analisis terhadap data itu sendiri tidaklah cukup. Jika tindakan harus diambil
terhadap permintaan dan sistem penyebab yang melatarbelakangi permintaan tersebut,
maka secara umum harus dilakukan: (1) usaha untuk mempengaruhi sistem penyebab, atau
(2) menerima perubahan permintaan tersebut tanpa mengambil suatu tindakan. Tindakan
yang diambil untuk mempengaruhi sistem penyebab yang mempengaruhi permintaan
adalah perubahan-perubahan pada periklanan, promosi penjualan, tenaga penjualan, harga
jual, dan sebagainya.

 Contoh - Untuk mengilustrasikan penggunaan peta Moving Range untuk pengendalian

peramalan, digunakan contoh pada peramalan linier. Diketahui permintaan aktual untuk
perioda 13 sampai dengan 24 masing-masing adalah 209, 228, 224, 216, 250, 237, 235,
253, 256, 247, 244 dan 264. Menggunakan cara yang sama dengan verifikasi peramalan,
dihasilkan titik Moving Range pada bulan April menyatakan keadaan di luar kendali. Kondisi
ini terjadi akibat adanya satu titik yang berada di luar batas kendali yang ditunjukkan pada

‘20 PPIC
15 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Gambar. Jika dilakukan perhitungan peramalan baru berdasarkan data 16 bulan, didapatkan
fungsi peramalan baru yaitu:

d’ = 199 + 2 t

Dengan menggunakan persamaan peramalan baru di atas, dapat dihitung peta kendali baru
sebagaimana berikut 9 Lihat juga Tabel 2-16 berikut ) :
MR = 165/15 = 10.73

UCL = 10.73 x 2.66 = 28.6

LCL = - 28,6

Peta kendali yang baru ditunjukkan pada gambar. Dapat diperhatikan bahwa seluruh data
berada dalam batas kendali. Dengan ini dapat disimpulkan bahwa peramalan baru dapat
dinilai baik.

 Gambar – Peta Kendal Moving Range Verifikasi Contoh Soal Peramalan Linier

Peta Kendali Moving Range Verifikasi

Untuk Contoh Soal Peramalan Linear
25 25
23
20
17
15 14
10
7 7
5
3
y'-y

0 0 1
-3 -3 -3 -4 -3 -4
-5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
-10 -11
-15
-20
-25
Periode

 Tabel - Perhitungan Peta moving Range yang Baru

Bulan Perioda Peramalan Permintaan d’-d Moving Range
(t) d’ d MR

‘20 PPIC
16 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Januari 1 201 199 2 -
Februari 2 203 202 1 1
Maret 3 205 199 6 5
April 4 207 208 -1 7
Mei 5 209 212 -3 2
Juni 6 211 194 17 20
Juli 7 213 214 -1 18
Agustus 8 215 220 -5 4
Septembe 9 217 219 - 2 3
r 10 219 234 -15 13
Oktober 11 221 219 2 17
November 12 223 233 -10 12
Desember 13 225 209 16 26
Januari 14 227 228 -1 17
Februari 15 229 224 5 6
Maret 16 231 216 15 10
April
16 231 216 15 161
MR = 161/15 = 10.73
UCL = 28.6
LCL = -28.6

 Gambar - Peta Kendali yang Telah Direvisi

‘20 PPIC
17 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Peta Kendali Moving Range Verifikasi
Untuk Contoh Soal Peramalan Linear
25

20
18 17
15 16
10 10
8 7
5
2 2 2 3
y'-y

0 1 1
-1 -2 -1 -2
-3 -4
-5 1 3 5 7 9-6 11 13 15 17 19 21 23
-10 -9
-15 -15 -16
-17 -18
-20

-25

Periode
Sala
h satu hal penting untuk kegiatan perencanaan dan pengendalian produksi adalah
peramalan permintaan yang akurat dan terpercaya. Karena permintaan tidak dapat
diperkirakan langsung secara tepat, dibutuhkan metode-metode tertentu yang akan
mengarahkan kepada peramalan yang baik. Metode peramalan adalah teknik untuk
meramalkan masa datang secara ilmiah, yang akan lebih baik daripada peramalan coba-
coba.

Untuk membuat peramalan permintaan yang baik, pertama kali perlu diramalkan keadaan
lingkungan yang mempengaruhi jumlah permintaan produk suatu perusahaan. Peramalan
lingkungan selanjutnya digunakan sebagai dasar peramalan industri. Dan selanjutnya baru
dilakukan peramalan permintaan produk perusahaan.
Secara umum, untuk memperkirakan permintaan pada masa yang akan datang, dapat
digunakan enam metode peramalan yang utama: Penelitian minat pembeli, pendapat tenaga
penjualan, pendapat pakar, pengujian pasar, Analisis deret waktu, dan analisis permintaan
statistik. Metode tersebut bervariasi dari segi kecocokan dengan tujuan peramalan, jenis
produk, serta ketersediaan dan keandalan data yang dimiliki perusahaan.
Harus diperhatikan bahwa keakuratan peramalan akan berkurang sejalan dengan
pertambahan selang perioda peramalan. Peramalan hanya direvisi jika terjadi perubahan
dalam sistem penyebab yang melatarbelakangi permintaan.

Daftar Pustaka
‘20 PPIC
18 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
1. Pardede, P.M, 2003, Manajemen Operasi dan Produksi, Andi Yogyakarta
2. Kusuma, H, 2009 Perencanaan dan Pengendalian produksi, Andi Yogyakarta.
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. 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
19 Defi Norita ST, MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id