SAMPUL
SAMPUL
MODUL PRAKTIKUM
FORECASTING & AGREGATE PLANNING
NURUL MUTMAINNAH
D071 17 1003
DAFTAR ISI
SAMPUL ................................................................................................................. i
DAFTAR ISI ........................................................................................................... ii
DAFTAR TABEL ................................................................................................... v
DAFTAR GAMBAR ............................................................................................. vi
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ........................................................................................ 1
1.2 Tujuan Praktikum .................................................................................... 2
1.3 Langkah Praktikum ................................................................................. 2
BAB II TINJAUAN PUSTAKA............................................................................ 3
2.1 Perencanaan Produksi ............................................................................. 3
2.2 Konsep Peramalan Produksi ................................................................... 3
2.3 Pola-pola Permintaan .............................................................................. 5
2.4 Metode Peramalan ................................................................................... 7
2.5 Klasifikasi Teknik Peramalan ............................................................... 11
2.6 Kriteria Performansi Peramalan ............................................................ 13
2.6.1 Mean Square Error (MSE) .............................................................. 13
2.6.2 Mean Absolute Deviation (MAD).................................................... 13
2.6.3 Mean Absolute Percentage Error (MAPE) ..................................... 14
2.6.4 Mean Forecast Error (MFE) ........................................................... 14
2.7 Definisi Agregat .................................................................................... 15
2.8 Tujuan dan Sifat Perencanaan Agregat ................................................. 15
2.9 Metode Penyusunan Perencanaan Agregat ........................................... 17
2.10 Strategi Perencanaan Agregat ............................................................... 18
2.11 Fase – Fase Perencanaan Agregat ......................................................... 19
2.12 Faktor Yang Mempengaruhi Permintaan .............................................. 21
2.13 Disagregasi ............................................................................................ 23
2.13.1 Pengertian ........................................................................................ 23
2.13.2 Metode Dalam Disagregasi .............................................................. 26
2.14 Ongkos dalam Perencanaan Agregat .................................................... 28
DAFTAR TABEL
Tabel 3.1 Data Historis Permintaan Gula ............................................................. 32
Tabel 3.2 Hasil Peramalan Metode Single Moving Average................................. 34
Tabel 3.3 Hasil Peramalan Metode Weighted Moving .......................................... 37
Tabel 3.4 Hasil Peramalan Metode Single Exponential Smoothing...................... 40
Tabel 3.5 Hasil Peramalan Metode Naive ............................................................. 43
Tabel 3.6 Pemilihan Metode Peramalan Terbaik .................................................. 44
Tabel 3. 7 Jumlah Hari Kerja Tahun 2020 ............................................................ 45
Tabel 3.8 Perencanaan Agregat dengan Metode Level strategy ........................... 46
Tabel 3.9 Perencanaan Agregat dengan Metode Subcontract .............................. 47
Tabel 3.10 Perencanaan Agregat dengan Metode Chase Strategy ....................... 48
Tabel 3.11 Data Perbandingan Biaya Total Produksi untuk Strategi Agregat ...... 48
Tabel 3.12 Jadwal Induk Produksi Gula ............................................................... 49
DAFTAR GAMBAR
Gambar 2. 1 Pola Data Horizontal .......................................................................... 5
Gambar 2. 2 Pola Musiman ..................................................................................... 6
Gambar 2. 3 Pola Siklis........................................................................................... 6
Gambar 2. 4 Pola Trend .......................................................................................... 7
Gambar 2. 5 Fase-Fase Perencanaan Agregat ....................................................... 19
Gambar 2. 6 Beberapa Faktor yang Mempengaruhi Permintaan .......................... 23
Gambar 2. 7 Hierarki Tipe Produk ........................................................................ 26
Gambar 2. 8 MPS environment yang berbeda ..................................................... 30
Gambar 3. 1 Grafik Data Historis Permintaan Gula ............................................. 33
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perencanaan produksi dapat didefinisikan sebagai proses untuk
memproduksi barang-barang pada suatu periode tertentu sesuai dengan yang
diramalkan atau dijadwalkan melalui pengorganisasian sumber daya seperti
tenaga kerja, bahan baku, mesin dan peralatan lainnya. Perencanaan produksi
menuntut penaksir atas permintaan produk atau jasa yang diharapkan akan
disediakan perusahaan di masa yang akan datang. Dengan demikian,
peramalan merupakan bagian integral dari perencanaan produksi.
Pabrik Gula Jaya merupakan Pabrik Gula yang telah melakukan usaha
produksi tahu sejak tahun 2000 yang berarti telah 20 tahun lamanya. Selama
20 tahun itu, pabrik Gula Jaya sama sekali tidak pernah melakukan peramalan
dan perancangan agregat, sehingga terkadang mereka tidak dapat memenuhi
kebutuhan konsumen atau bahkan seringkali terjadi penumpukan barang di
gudang nya. Diharapkan setelah melakukan percobaan ini Pabrik Gula Jaya
dapat meramalkan permintaan pasar sebelum melakukan produksi dan juga
melakukan perancangan agregat demi menghindari kerugian di masa yang
akan datang.
BAB II
TINJAUAN PUSTAKA
2.1 Perencanaan Produksi
Perencaaan produksi adalah pernyataan rencana produksi ke
dalam bentuk agregat. Perencanaan produksi ini merupakan alat
komunikasi antara manajemen teras (top management) dan manufaktur.
Di samping itu juga, perencanaan produksi merupakan pegangan untuk
merancang jadwal induk produksi. Beberapa fungsi lain perencanan
produksi adalah :
a. Menjamin rencana penjualan dan rencana produksi konsisten terhadap
rencana strategis perusahaan
b. Sebagai alat ukur performansi proses perencanaan produksi
c. Menjamin kemampuan produksi konsisten terhadap rencana produksi
d. Memonitor hasil produksi aktual terhadap rencana produksi dan
membuat penyesuaian.
e. Mengatur persediaan produk jadi untuk mencapai target produksi dan
rencana startegis
f. Mengarahkan penyusunan dan pelaksanaan Jadwal induk Produksi.
Perencanaan produksi mempunyai waktu perencanaan yang
cukup panjang, biasanya 5 tahun. Rencana ini digunakan untuk
perencanaan sumber daya seperti ekspansi, pembelian mesin. Proses
peramalan telah memberikan informasi mengenai besarnya permintaan
akan produk yang direncanakan. Langkah selanjutnya adalah membuat
rencana produksinya itu sendiri. Dalam hal ini tidak semua permintaan dari
hasil peramalan mungkin bisa diproduksi karena kapasitas produksi yang
dimiliki tidak mencukupi. Pada dasarnya perencanaan produksi adalah
upaya menjabarkan hasil peramalan menjadi rencana produksi yang layak
dilakukan dalam bentuk jadwal rencana produksi (Wijana, 2012).
2.2 Konsep Peramalan Produksi
Peramalan adalah proses untuk merencanakan perkiraan kebutuhan
dimasa yang akan datang dengan melakukan pengujian pada keadaan di masa
lalu yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun
jasa (Nasution, 2008).
Menurut Kusuma (2001), peramalan adalah suatu perencanaan dalam
proses perkiraan tingkat permintaan satu atau lebih suatu produk selama
beberapa periode yang akan datang. Peramalan pada dasarnya merupakan
suatu taksiran atau ramalan pada suatu produk, namun dengan menggunakan
teknik-teknik tertentu maka peramalan itu sendiri akan menjadi bukan hanya
sekedar taksiran akan tetapi dapat dikatakan dengan taksiran ilimiah.
Dalam kehidupan sosial sekarang ini segala sesuatu itu serba tidak
pasti dan tidak mudah untuk diperkirakan secara tepat. Dalam hal ini perlu
diadakannya forecasting yang bertujuan untuk mendapatkan peramalan yang
dapat meminimumkan kesalahan meramal yang biasanya diukur dengan
perhitungan MSE (mean square error), MAE (mean absolute error), dan
sebagainya (Wardhani, 2010).
Peramalan sangat penting dibutuhkan oleh setiap perusahaan apabila
dalam kondisi permintaan pasar yang bersifat komplek dan dinamis
sedangkan untuk kondisi permintaan pasar yang bersifat stabil peramalan
tidak terlalu dibutuhkan oleh setiap perusahaan karena perubahan
permintaannya relatif kecil (Kurniasari,2018).
Dalam kondisi pasar bebas saat ini, biasanya permintaan pasar akan
suatu produk lebih banyak bersifat komplek dan dinamis dikarenakan
permintaan produk tersebut akan tergantung dari keadaan sosial, ekonomi,
politik, aspek teknologi, produk pesaing dan produk subsitusi. Oleh sebab itu,
peramalan produksi yang dapat dikatakan akurat merupakan informasi yang
sangat dibutuhkan dalam pengambilan keputusan manajemen pada
perusahaan tersebut (Kurniasari, 2018).
Menurut Nasution (2008), proses peramalan biasanya terdiri dari
langkah-langkah untuk mengetahui apa saja kebutuhan perusahaan dengan
menentukan :
1
𝐹𝑡+1 = 𝑁 ∑𝑡𝑖=𝑡−𝑁+1 𝑋𝑖…………………………......………….(2)
Keterangan :
t = nilai yang paling akhir
𝑡 + 1 = periode berikutnya, untuk periode mana suatu ramalan
dibuat
𝐹𝑡+1 = ramalan untuk priode berikut, t+1
Xi = nilai observasi/sebenarnya dari variabel itu pada periode
t, t-1,t-2,...
N = jumlah observasi yang digunakan dalam menghitung
rata-rata bergerak
Dimana n adalah jumlah periode dalam rataan bergerak.
Saat terdapat tren atau pola yang terdeteksi, bobot dapat
digunakan untuk menempatkan penekanan yang lebih pada nilai
bukan dalam bentuk variabel waktu. Metode peramalan yang ada pada
causal methods yaitu:
1) Metode Regresi dan Korelasi
2) Model Input Output
3) Model Ekonometri
Selain metode yang telah disebutkan sebelumnya, terdapat pula
metode kualitatif. Metode kualitatif sangat mendekati tingkat akurasi data
actual dibandingkan dengan metode lainnya. Pada dasarnya metode ini
memiliki sifat yang subjektif sebab sangat dipengaruhi oleh intuisi, emosi,
pendidikan serta pengalaman seseorang sehingga hasil peramalan
kualitatif dari tiap orang akan berbeda – beda. Teknik atau metode dalam
peramalan kualitatif adalah sebagai berikut (Anitasari, 2017):
a. Juri dari Opini Eksekutif
Di dalam metode ini, diambil berdasarkan opini atau pendapat dari
sekelompok kecil top manajer baik itu manajer pemasaran, manajer
produksi, manajer teknik, manajer keuangan dan manajer logistic
yang seringkali di gabungkan dengan model statistik.
b. Gabungan Tenaga Penjualan
Untuk setiap tenaga penjualan meramalkan tingkat penjualan di
daerahnya masing – masing yang pada akhirnya akan digabungkan
pada tingkat provinsi serta nasional guna mencapai ramalan secara
keseluruhan.
c. Metode Delphi
Metode ini melakukan penyebaran serangkaian kuisioner yang akan
disebarkan kepada tiap responden yang kemudian jawabannya akan
disederhanakan sebelum diberikan kepada para ahli untuk dibuatkan
peramalannya. Metode ini tentunya akan memakan banyak waktu
sebab melibatkan banyak pihak seperti bagian yang membuatkan
kuisioner, mengirimkan kuisioner serta merangkum hasil sebelum di
serahkan kepada para ahli untuk dianalisa. Namun metode ini
Dimana :
n = Jumah periode peramalan yang terlibat
Dari rumus diatas, dapat diartikan bahwa ∑ (Aktual - Forecast)2
merupakan hasil pengurangan antara nilai aktual dan forecast yang
telah dikuadratkan, kemudian dilakukan penjumlahan terhadap hasil-
hasil tersebut. Dan n merupakan jumlah periode yang digunakan untuk
perhitungan.
2.6.2 Mean Absolute Deviation (MAD)
Merupakan perhitungan yang digunakan untuk menghitung rata-rata
kesalahan mutlak, dengan rumus yaitu :
𝐴𝑘𝑡𝑢𝑎𝑙− 𝐹𝑜𝑟𝑒𝑐𝑎𝑠𝑡
𝑀𝐴𝐷 = ∑ | |.............................................................(7)
𝑛
Dimana :
n = Jumah periode peramalan yang terlibat
Dimana :
n = Jumah periode peramalan yang terlibat
Dari rumus tersebut, dapat diartikan bahwa ∑ (| Aktual - Forecast /
Aktual |) merupakan hasil pengurangan antara nilai aktual dan forecast
yang telah di absolute-kan, kemudian di bagi dengan nilai aktual per
periode masing-masing, kemudian dilakukan penjumlahan terhadap
hasil-hasil tersebut. Dan n merupakan jumlah periode yang digunakan
untuk perhitungan. Semakin rendah nilai MAPE, kemampuan dari
model peramalan yang digunakan dapat dikatakan baik, dan untuk
MAPE terdapat range nilai yang dapat dijadikan bahan pengukuran
mengenai kemampuan dari suatu model peramalan
2.6.4 Mean Forecast Error (MFE)
MFE adalah kesalahan rata-rata peramalan dengan mengukur rasio
jumlah kesalahan dibagi dengan jumlah periode peramalan data. MFE
sangat efektif untuk mengetahui apakah hasil prakiraan selama periode
tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan
menambahkan semua kesalahan peramalan selama periode peramalan
dan membaginya dengan jumlah peramalan periode. MFE secara
sistematis dinyatakan sebagai berikut (Agustian, 2020) :
(𝐴𝑐𝑡𝑢𝑎𝑙− 𝐹𝑜𝑟𝑒𝑐𝑎𝑠𝑡𝑖𝑛𝑔)
𝑀𝐹𝐸 = ∑ ...........................................................(9)
𝑛
Dimana :
n = Jumah periode peramalan yang terlibat
2.7 Definisi Agregat
Agregat adalah butiran mineral yang merupakan hasil disintegrasi alami
batu-batuan atau juga berupa hasil mesin pemecah batu dengan memecah batu
alami. Agregat merupakan salah satu bahan pengisi pada beton, namun
demikian peranan setujugat pada beton sangatlah penting. Kandungan
agregat dalam beton kira-kira mencapai 70% -75% dari volume beton.
Agregat sangat berpengaruh terhadap sifat-sifat beton, sehingga pemilihan
agregat merupakan suatu bagian penting dalam pembuatan beton (Maryoko,
2018).
Perencanaan produksi agregat berangkat dari permasalahan adanya
ketidakseimbangan antara permintaan dan kemampuan produksi pada setiap
periode perencanaan. Hal ini karena secara umum tingkat permintaan suatu
produk selalu tidak sama antar periode satu ke periode lain. Adakalanya
tingkat permintaan di atas kapasitas produksi, dan ada kalanya di bawah
kapasitas produksi. Tujuan perencanaan produksi agregat adalah untuk
mengembangkan suatu rencana oproduksi pada tingkat agregat yang layak
untuk mencapai suatu keseimbangan antara permintaan dan kapasitas
produksi dengan biaya yang minimum (Bedworth dan Bailey, 1987).
Berdasarkan Schroeder (2003), perencanaan agregat berkenaan dengan
tingkat penawaran dan tingkat permintaan atas output selama jangka waktu
menengah yaitu sampai 12 bulan kedepan. Kata agregat mengimplikasikan
bahwa perencanaan dilakukan dengan satu ukuran menyeluruh atas output.
Menurut Heizer dan Render (2010) perencanaan agregat adalah sebuah
pendekatan untuk menentukan kuantitas dan waktu produksi pada jangka
menengah yaitu 3 sampai 8 bulan yang akan datang.
2.8 Tujuan dan Sifat Perencanaan Agregat
Pada dasarnya tujuan dari perencanaan agregat yaitu untuk
mengembangkan suatu rencana produksi secara menyeluruh yang dapat
memenuhi permintaan pasar sesuai kapasitas yang ada dengan biaya yang
c. Mixed Strategy
Strategi ini merupakan kombinasi antara level strategy dan chase
strategy. Ciri-ciri mixed strategy adalah menggabungkan tingkat
produksi dengan tingkat permintaan tetap dan menggabungkan dari dua
metode level dan chase tingkat persediaan, dan order backlogs.
d. Subcontract Strategy
Sebuah perusahaan dapat memperoleh kapasitas sementara dengan
melakukan subkontrak selama periode permintaan tinggi. Pengertian dari
subkontrak adalah melakukan realokasi kebutuhan produksi antar
perusahaan agar memperlancar proses produksi.
2.11 Fase – Fase Perencanaan Agregat
Pengembangan perencanaan agregat dapat mengikuti prosedur yang
terdiri dari empat fase. Setelah prosedur tersebut dapat diaplikasikan beberapa
kali dan persoalan-persoalan pokok yang terlibat pada fase 2 (dua) dan fase 3
(tiga) yang telah dipecahkan, maka selanjutnya dapat memproses langsung
dari fase 1 (satu) dan fase 4 (empat). Berikut ini adalah prosedur perencanaan
produksi agregat dari fase 1 (satu) sampai fase 4 (empat) (Nasution, 2008) :
mencari barang lain yang fungsinya sama, tetapi harganya lebih murah.
Sehingga harga barang subsitusi berpengaruh positif terhadap permintaan
suatu barang. Teori Penawaran (supply) Penawaran diartikan sebagai
kuantitas barang-barang yang ditawarkan di pasar pada berbagai tingkat
harga.
berbeda.
Dalam sebuah perusahaan manufaktur proses produksi merupakan
bagian yang sangat penting, sehingga tiap perusahaan wajib untuk
bisa memproduksi dengan baik. Untuk melaksanakan fungsi-fungsi
produksi dengan baik tersebut, maka kemudian perlu rangkaian
kegiatan yang akan membentuk sistem produksi tersebut. Input
produksi ini kemudian dapat berupa bahan baku, mesin, tenaga kerja,
modal dan informasi. Sedangkan output produksi merupakan produk
yang dihasilkan berikut dari hasil sampingannya, seperti limbah,
informasi, dan lain sebagainya. Terdapat karakteristik dalam
disagregasi itu sendiri, yaitu (Setiawan, 2011) :
a. Perencanaan produksi agregat dilanjutkan dengan proses
disagregasi.
b. Proses disagregasi mengembalikan rencana produksi dalam bentuk
end item.
c. Hasil dari proses ini adalah sebuah Jadwal Induk Produksi (JIP).
d. JIP dipergunakan sebagai dasar untuk membuat perencanaan yang
lebih rinci (kebutuhan material; kebutuhan kapasitas dan kemudian
jadwal operasi).
Keberhasilan perencanaan dan pengendalian produksi membutuhkan
perencanaan kapasitas yang efektif, agar mampu memenuhi jadwal
produksi yang ditetapkan, dengan kata lain dapat memenuhi
permintaan pasar. Kekurangan kapasitas mengakibatkan kegagalan
memenuhi target produksi, keterlambatan pengiriman pelanggan dan
kehilangan kepercayaan dalam sistem formal yang mengakibatkan
reputasi perusahaan akan menurun atau hilang sama sekali. Pada sisi
lain kelebihan kapasitas akan mengakibatkan tingkat utilitas sumber
daya yang rendah, biaya meningkat, harga produk menjadi tidak
kompetitif, kehilangan pangsa pasar, penurunan keuntungan dan lain-
lain. Dengan demikian, kekurangan kapasitas akan memberikan
dampak negatif bagi sistem manufaktur, sehingga perencanaan
tingkatan, yaitu :
1) Item
Item adalah produk akhir yang digunakan konsumen dan juga
merupakan tingkat terendah dalam struktur produk. Suatu jenis
produk mungkin terdiri dari banyak item yang dibedakan dari;
warna, kemasan, merek dan lain-lain.
2) Famili
Famili dalah sekelompok item yang menanggung secara
bersama – sama ongkos setup. Bila suatu mesin sudah disiapkan
untuk membuat suatu item dari suatu keluarga, maka semua
item dalam keluarga yang sama dapat diproduksi dengan
melakukan perubahan kecil pada saat setup.
3) Tipe
Tipe adalah kelompok dari beberapa item yang memiliki ongkos
produksi per satuan yang sama. Biasanya ongkos untuk buruh
secara langsung dan juga memiliki ongkos simpan. Suatu jenis
tipe terdiri dari jumlah produk, satuan waktu dan sebagainya.
b. Pendekatan Britan & Hax
Jika dalam suatu perencanaan produksi terdapat item j dalam famili
i, maka harus ditentukan terlebih dahulu item mana saja yang perlu
diproduksi berdasarkan informasi permintaan dan persediaan item
tersebut. Berdasarkan hal tersebut ditambah dengan data
perencanaan agregat yang terpilih, selanjutnya ditentukan rencana
produksi untuk famili. Setelah itu, berdasarkan rencana produksi
famili dapat ditentukan rencana produksi untuk setiap item
(kuantitas MPS) dalam famili tersebut. Prosedur disagregasi Britan
& Hax terdiri atas :
1) Memilih famili produk yang akan diproduksi pada periode yang
bersangkutan.
2) Menentukan jumlah yang akan diproduksi dari famili yang
terpilih dengan model Knapsack.
Dimana :
y : hasil peramalan disagregasi item.
% item : persentase kebutuhan masing-masing item.
k. Location
l. Lot Sizing
m. Material Requirement Planning
n. Operations Lay Out
o. PERT/ CPM
p. Quality Control
q. Realibility
r. Simulation
s. Transportation (masalah transportasi)
t. Waiting Lines
Program POM for Windows ini digunakan sebagai alternatif dalam
menyelesaikan masalah maksimum dan minimum, sehingga dengan
bantuan modul tersebut, berbagai masalah dalam Research Operation
dapat diselesaikan dengan cepat.
Langkah-langkah penggunaan POM for windows (Saebiah &
Amaliah, 2017) :
a. Siapkan masalahnya (soal), semisal akan dipecahkan suatu
masalah linear programming maka langkah kerjanya adalah:
1) Tentukan masalahnya apakah kasus maksimum atau minimum
2) Berapa jumlah variabel yang ada
3) Berapa jumlah batasan yang ada
b. Masukkan masalah tersebut ke dalam komputer
c. Lakukan pengecekan pada masalah bila terjadi kesalahan input
d. Lakukan perhitungan dan lihat hasilnya dengan menklik solve
e. Tampilkan hasil-hasil perhitungan
f. Simpan masalah atau datanya
g. Menjalankan POM for windows
BAB III
PENGOLAHAN DATA
3.1 Forecasting (Permintaan)
Berdasarkan data yang diperoleh dari Pabrik Gula Jaya, berikut ini
merupakan data permintaan gula pada bulan Agustus 2018 hingga Desember
2020.
Tabel 3.1 Data Historis Permintaan Gula
Periode Permintaan
Aug-18 2397
Sep-18 2298
Oct-18 2149
Nov-18 2450
Dec-18 2601
Jan-19 2412
Feb-19 2313
Mar-19 2164
Apr-19 2465
May-19 2616
Jun-19 2367
Jul-19 2218
Aug-19 2399
Sep-19 2590
Oct-19 2321
Nov-19 2072
Dec-19 2223
Jan-20 2462
Feb-20 2363
Mar-20 2214
Apr-20 2265
May-20 2566
Jun-20 2287
Jul-20 2118
Aug-20 2389
Sep-20 2720
Oct-20 2471
Nov-20 2402
Dec-20 2473
Total 68785
Permintaan 2500
2000
1500
1000
500
0
Periode
Dari gambar di atas, kita dapat mengetahui pola data yang terbentuk
menunjukkan pola horizontal.
3.1.1 Single Moving Average
Rumus matematis:
Keterangan:
Ft = Nilai ramalan pada periode t
Dt = Nilai sebenarnya pada periode t
n = Banyaknya waktu dalam Moving Average
Berikut ini adalah hasil pengolahan data peramalan dengan
menggunakan metode Single Moving Average.
Fjan’19 = 2400
MAD = 167
2) Mean Square Error
∑[𝐴𝑡 −𝐷𝑡 ]2
MSE =
𝑛
Perhitungan:
1007013
MSE = 24
MSE = 41959
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
− 53
MFE = 24
MFE = - 2
b. Single Moving Average 5 bulan
Perhitungan:
Peramalan pada bulan Januari 2019 dengan mengambil data
historis 5 bulan.
𝐷𝑡−1 + 𝐷𝑡−2 +⋯ +𝐷𝑛
Ft = 𝑛
𝐷𝐴𝑔𝑢′18 +𝐷𝑆𝑒𝑝′18 + 𝐷𝑂𝑘𝑡′18 + 𝐷𝑁𝑜𝑣′18 + 𝐷𝐷𝑒𝑠′18
Fjan’19 = 5
2397+2298+2149+2450+2601
Fjan’19 = 5
Fjan’19 = 2379
Perhitungan:
2972
MAD = 24
MAD = 124
2) Mean Square Error
∑[𝐴𝑡 −𝐷𝑡 ]2
MSE = 𝑛
Perhitungan:
612046
MSE =
24
MSE = 25.502
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
194
MFE = 24
MFE = 8
3.1.2 Weighted Moving Average
Rumus matematis:
(𝐴1 𝑤1 )+(𝐴2 𝑤2 )+⋯+(𝐴𝑛 𝑤𝑛 )
Ft = 𝑛
Keterangan:
Ft = Nilai ramalan pada periode t
A1 = Nilai sebenarnya pada periode 1
W1 = Bobot untuk data aktual periode 1
n = Jumlah bobot setiap periode
Berikut ini adalah hasil pengolahan data peramalan dengan
menggunakan metode Weighted Moving Average.
Fjan’19 = 2315
MAD = 191
2) Mean Square Error
∑[𝐴𝑡 −𝐷𝑡 ]2
MSE =
𝑛
Perhitungan:
1248883
MSE = 24
MSE = 52037
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
− 19
MFE = 24
MFE = - 1
b. Weighted Moving Average 5 bulan
Perhitungan:
Peramalan pada bulan Januari 2019 dengan mengambil data
historis 5 bulan.
(𝐴1 𝑤1 )+(𝐴2 𝑤2 )+⋯+(𝐴𝑛 𝑤𝑛 )
Ft =
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5
(𝐴𝐴𝑔𝑢′ 18 𝑤𝐴𝑔𝑢′ 18 ) + (𝐴𝑆𝑒𝑝′18 𝑤𝑆𝑒𝑝′18 ) + (𝐴𝑂𝑘𝑡 ′18 𝑤𝑂𝑘𝑡 ′18 )
+(𝐴𝑁𝑜𝑣′ 18 𝑤𝑁𝑜𝑣′ 18 ) + (𝐴𝐷𝑒𝑠′18 𝑤𝐷𝑒𝑠′18 )
Fjan’19 =
1
(2397∗0,2)+(2298∗0,2) +(2149∗0,2)+(2450∗0,1) +(2601∗0,3)
Fjan’19 =
1
Fjan’19 = 2394
MAD = 117
2) Mean Square Error
∑[𝐴𝑡 −𝐷𝑡 ]2
MSE =
𝑛
Perhitungan:
535420
MSE = 24
MSE = 22309
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
200
MFE = 24
MFE = 8
3.1.3 Single Exponential Smoothing
Rumus matematis:
Ft = αAt + (1 – α) At-1
Keterangan:
Ft : Nilai ramalan pada periode t
At : Nilai sebenarnya pada periode t
α : Nilai koefisien, 0< α<1
Berikut ini adalah hasil pengolahan data peramalan dengan
menggunakan metode Single Exponential Smoothing menggunakan
nilai koefisien 0,5 dan 0,9.
MAD = 96
MSE = 10787
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
− 76
MFE =
24
MFE = - 3
b. Single Exponential Smoothing koefisien 0,9
Perhitungan:
Peramalan pada bulan Januari 2019 dengan menggunakan
koefisien 0,9.
Ft = αAt + (1 – α) At-1
Fjan’19 = 0,9. 2412 + (1 – 0,9) 2601
Fjan’19 = 2431
1) Mean Absolute Deviation
Rumus Matematis:
∑[𝐴𝑡 −𝐷𝑡 ]
MAD =
𝑛
Perhitungan:
461
MAD = 24
MAD = 19
MSE = 432
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
− 15
MFE =
24
MFE = - 1
3.1.4 Naive
Rumus matematis:
Ft = At-1
Keterangan:
Ft : Nilai ramalan pada periode t
At : Nilai sebenarnya pada periode t
Berikut ini adalah hasil pengolahan data peramalan dengan
menggunakan metode Naive.
Perhitungan:
Peramalan pada bulan Januari 2019 dengan menggunakan metode
naive.
Ft = At-1
Fjan’19 = 2601
1) Mean Absolute Deviation
Rumus Matematis:
∑[𝐴𝑡 −𝐷𝑡 ]
MAD =
𝑛
Perhitungan:
4606
MAD = 24
MAD = 192
2) Mean Square Error
∑[𝐴𝑡 −𝐷𝑡 ]2
MSE =
𝑛
Perhitungan:
1035264
MSE = 24
MSE = 43136
3) Mean Forecast Error
∑(𝐴𝑡 −𝐷𝑡 )
MFE =
𝑛
Perhitungan:
− 128
MFE = 24
MFE = - 5
Keterangan:
PL (Production Level) = Hari kerja x Jumlah karyawan x Jam kerja
OL (Opportunity Level) = Demand – PL (Demand > PL)
IL (Inventory Level) = Demand – PL (Demand < PL)
PC (Production Cost) = PL * Regular Cost
OC (Opportunity Cost) = OL * Opportunity Cost
IC (Inventory Cost) = IL * Inventory Cost
Berdasarkan tabel 3.8, total biaya perencanaan agregat perusahaan
tahun 2020 dengan menggunakan metode level strategy adalah
sebesar Rp.2.630.600.000
b. Subcontract
Subcontract merupakan strategi yang diterapkan ketika permintaan
melebihi jumlah produksi sehingga perlu adanya kerja sama
dengan pihak ketiga untuk memenuhi permintaan tersebut. Tabel
berikut ini menunjukkan hasil agregasi dengan metode
Subcontract.
Keterangan:
PL (Production Level) = Hari kerja x Jumlah karyawan x Jam kerja
Subcontract = Demand – PL (Demand > PL)
PC (Production Cost) = PL * Production Cost
SC (Subcontract Cost) = Subcontract * Subcontract Cost
Berdasarkan tabel 3.9, total biaya perencanaan agregat perusahaan
tahun 2020 dengan menggunakan metode subcontract adalah
sebesar Rp 3.122.700.000.
c. Chase Strategy
Chase strategy merupakan pengubahan jumlah tenaga kerja untuk
memenuhi target produksi per periode. Jika tingkat produksi
rendah dapat dilakukan firing tenaga kerja dan sebaliknya, jika
tingkat produksi tinggi dapat dilakukan hiring.
Tabel berikut ini menunjukkan hasil agregasi dengan metode chase
strategy.
Keterangan:
JK (Jam kerja) = Hari kerja x jam kerja
TK (Tenaga kerja) = Demand / JK
PL (Production Level) = Hari kerja x Jumlah karyawan x Jam kerja
Hi (Hiring) = Jumlah Karyawan – TK (Jumlah Karyawan < TK)
Fi (Firing) = Jumlah Karyawan – TK (Jumlah Karyawan > TK)
PC (Production Cost) = PL * Regular Cost
HC (Hiring Cost) = Hi x Hiring Cost
FC (Firing Cost) = Fi x Firing Cost
Berdasarkan tabel 3.9, total biaya perencanaan agregat perusahaan
tahun 2020 dengan menggunakan metode chase strategy adalah
sebesar Rp 2.492.100.000.
3.3 Jadwal Induk Produksi
Jadwal Induk Produksi dibuat untuk menentukan proses produksi yang
akan dilaksanakan dengan melihat strategi yang paling optimal dari
perhitungan agregasi. Berdasarkan hasil perhitungan biaya menggunakan ke 3
metode di atas, berikut ini perbandingan strategi perencanaan agregat dilihat
dari total biaya produksi tahun 2020 berdasarkan metode masing-masing.
Tabel 3.11 Data Perbandingan Biaya Total Produksi untuk Strategi Agregat
Strategi Agregat Total cost
Level Strategy Rp2.630.600.000
Subcontract Rp3.482.700.000
Chase Strategy Rp2.492.100.000
BAB IV
ANALISA DAN PEMBAHASAN
4.1 Peramalan
Peramalan merupakan kegiatan untuk memperkirakan sesuatu yang
belum terjadi (Pangestu, 2000). Peramalan menjadi kegiatan yang sangat
penting dilakukan oleh perusahaan agar mampu memenuhi kebutuhan dan
permintaan pelanggan terhadap produk pada masa yang akan datang.
Data yang digunakan adalah data historis pada Pabrik Gula Jaya yang
merupakan Pabrik Gula yang telah melakukan usaha produksi Gula sejak
tahun 2000. Selama berdirinya, pabrik ini sama sekali tidak pernah
melakukan peramalan dan perancangan agregat, mereka hanya membuat
produknya berdasarkan seperti yang selalu mereka buat. Diharapkan setelah
melakukan percobaan ini Pabrik Gula Jaya dapat meramalkan permintaan
pasar sebelum melakukan produksi dan juga melakukan perancangan agregat
demi menghindari kerugian di masa yang akan datang.
Data yang diambil adalah data sejak bulan Desember 2018 hingga bulan
Desember 2020 yang akan ditunjukkan pada grafik data historis yang
menunjukkan pola horizontal. Dari pola data tersebut dilakukan perhitungan
peramalan permintaan per bulan selama setahun kedepan menggunakan
metode Single Moving Average (SMA), Weighted Moving Average (WMA),
Single Exponential Smoothing (SES) dan Naïve. Kemudian hasil peramalan
permintaan tiap metode tersebut diukur performansinya menggunakan Mean
Absolute Deviation (MAD), Mean Square Error (MSE) dan Mean
Forecasting Error (MFE).
4.1.1 Single Moving Average (SMA) tiga bulan
Dari perhitungan pada metode single moving average tiga bulan
didapatkan hasil ukuran performansi peramalannya berupa Mean
Absolute Deviation (MAD) sebesar 167, Mean Square Error (MSE)
sebesar 41.959, dan Mean Forecasting Error (MFE) sebesar -2.
sebesar 192, Mean Square Error (MSE) sebesar 43.136, dan Mean
Forecasting Error (MFE) sebesar -5.
Berdasarkan hasil ukuran performansi peramalan dari beberapa metode
diatas dapat ditarik kesimpulan bahwa metode yang mendekati akurat adalah
metode single exponential smoothing dengan koefisien sebesar nol koma
Sembilan (0.9) dikarenakan nilai error (MAD, MSE dan MFE) yang
dihasilkan paling kecil atau mendekati nol dibandingkan metode yang lain.
4.2 Perencanaan Agregat
Perencanaan agregat dilakukan untuk menentukan strategi produksi
yang terbaik dengan mempertimbangkan biaya total produksi. Dalam
perencanaan agregat, jenis strategi agregat yang digunakan antara lain level
strategy, subcontract, dan chase strategy.
4.2.2 Level Strategy
Pada pengolahan data level strategy terdapat biaya produksi yang
terhitung yaitu permintaan, production level, opportunity level,
inventory level, production cost, opportunity cost, dan inventory cost.
Terdapat inventory level apabila production level lebih besar dari
permintaan, sedangkan opportunity level terjadi apabila mendapatkan
production level lebih kecil dari permintaan. Dari hasil yang telah
diperoleh, diketahui bahwa jumlah total biaya produksi selama satu
tahun adalah Rp.2.630.600.000,-.
4.2.3 Subcontract
Subcontract terjadi ketika permintaan melebihi production level yang
telah ditentukan oleh perusahaan sehingga perusahaan tersebut
memerlukan jasa pihak ketiga. Jasa tersebut dikenakan biaya per unit
permintaan yang melebihi production level. Dari perhitungan yang
telah dilakukan maka hasil yang diperoleh adalah perusahaan
dibebankan biaya sebesar Rp.3.482.700.000,- selama setahun.
4.2.3 Chase Strategy
Pada pengolahan data chase strategy terdapat biaya produksi yang
terhitung adalah permintaan, jam kerja, tenaga kerja, production level,
hiring, firing, production cost, hiring cost, dan firing cost. hiring cost
apabila jumlah tenaga kerja lebih banyak dari jumlah tenaga kerja
yang ditetapkan, sebaliknya pada firing cost apabila jumlah tenaga
kerja lebih sedikit dari jumlah tenaga kerja yang ditetapkan. Dari hasil
yang telah diperoleh, diketahui bahwa perusahaan melakukan firing
setiapbulannya sehingga total biaya yang diperoleh adalah
Rp.2.492.100.000,-.
4.3 Jadwal Induk Produksi
Berdasarkan perhitungan total biaya menggunakan 3 strategi agregat,
didapatkan bahwa chase strategy merupakan strategi dengan total biaya
terendah dan dijadikan dasar dalam penentuan jadwal induk produksi.
Berdasarkan hasil pengolahan data, maka gula yang akan diproduksi pada
tahun 2020 pada bulan Januari akan diproduksi sebesar 2.238 unit, bulan
Februari sebesar 2.173 unit, bulan Maret sebesar 2029 unit, bulan April
sebesar 2.060 unit, bulan Mei sebesar 2.336 unit, bulan Juni sebesar 2.115
unit, Juli sebesar 1.935 unit, bulan Agustus sebesar 2.162 unit, bulan
September sebesar 2.487 unit, bulan Oktober sebesar 2.296 unit, November
sebesar 2.209 unit, dan Desember sebesar 2.266 unit.
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesimpulan yang didapatkan dari praktikum kali ini adalah
sebagai berikut:
a. Peramalan adalah proses untuk merencanakan perkiraan kebutuhan dimasa
yang akan datang dengan melakukan pengujian pada keadaan di masa lalu
yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang
ataupun jasa.
b. Penggunaan metode peramalan didasarkan atas bentuk pola data
permintaan. Terdapat 5 pola data dalam peramalan yaitu pola horizontal,
pola siklus, pola musiman, dan pola trend. Pada data permintaan Gula pada
bulan Agustus 2018 hingga Desember 2020 berbentuk pola data
horizontal. Sehingga terdapat 4 metode yang digunakan yaitu Single
Moving Average untuk 3 bulan dan 5 bulan terakhir, Weighted Moving
Average untuk 3 bulan dan 5 bulan terakhir, dan Single Exponential
Smoothing dengan menggunakan koefisien 0,5 dan 0,9, dan metode Naive.
Dari ke empat metode tersebut didapatkan metode yang memiliki nilai
error yang paling rendah yaitu Single Exponential Smoothing pada
koefisien 0,9.
c. Perencanaan agregat adalah sebuah pendekatan untuk menentukan
kuantitas dan waktu produksi pada jangka menengah yaitu 3 sampai 8
bulan yang akan datang. Tujuan dari perencanaan agregat yaitu untuk
mengembangkan suatu rencana produksi secara menyeluruh yang dapat
memenuhi permintaan pasar sesuai kapasitas yang ada dengan biaya yang
minimal. Adapun sifat perencanaan agregat diantaranya dapat dinyatakan
dalam famili (aggregate), satuan unit yang tergantung jenis produk, satuan
unit bisa dikonversikan ke bentuk satuan rupiah, salah satu faktor konversi
juga harus ditetapkan, dan horizon perencanaan yang cukup panjang.
DAFTAR PUSTAKA
Agustian, H., Pujiastuti, A., & Sayoga, M. V. 2020. Comparison Of Simple Moving
Average and Exponential. Ejournal Raharja, 175-184.
Ajeng, Sri. 2011. Peramalan Penjualan Untuk Perencanaan Pengadaan
Persediaan Buah Durian di Rumah Durian Harum Bintaro Jakarta. Tugas
Akhir. Universitas Islam Negeri Syarif Hidayatullah. Jakarta.
Apriliana, Aldi Dwi. 2015. “Disagregasi”. Bekasi : President University.
Arnold, T., Chapman, S., & Clive, L. 2008 . Introduction to Material Management.
New Jersey: Pearson.
Assauri, Sofjan. 2010. Manajemen Pemasaran: Dasar, Konsep & Strategi. Jakarta:
Raja Grafindo Persada.
Bedworth, David D., Bailey, James E. 1987. Intregated Production Control.
Systems. Singapore
Djojodipuro, Marsudi. 1991. Teori Harga. Jakarta: LPFE. UI.
Ginting. Rosnani. 2007. Sistem Produksi. Yogyakarta: GRAHA ILMU
Gunawan Adi Saputro dan Marwan Asri. 2000. Anggaran Perusahaan Edisi 3.
Yogyakarta: BPFE.
Heizer, Jay & Barry Render. 2010. “Manajemen Operasi.” Salemba Empat.
Herjanto, Eddy. 2008. Manajemen Operasi Edisi Ketiga. Jakarta: Grasindo.
Iswahyudi, Christian. 2016. Pengantar Teknik Peramalan (Forecasting). Bali : ITB
STIKOM
Kurniasari, Erin Wahyu. 2018. Analisa Perencanaan Agregat Dengan
Menggunakan Metode Transportasi (Studi Kasus CV. Dwi Jaya Abadi).
Sidoarjo: Universitas Muhammadiyah Sidoarjo
Kusuma, Hendra. 2001. “Manajemen Produksi, Perencanaan dan Pengendalian
Produksi”, Penerbit Andi. Yogyakarta.
Makridakis, S., Wheelwright, S.C., McGee, Victor E. 1999 Metode dan Aplikasi
Peramalan, Jilid Satu, Edisi 2, Terjemahan Andriyanto, U.S., Abdul, A.,
Jakarta.
Maricar, M. A. 2019. Analisa Perbandingan Nilai Akurasi Moving Average.
JURNAL SISTEM DAN INFORMATIKA, 36-45.
Maryoko, T. (2015). Analisis Uji Kuat Tekan Beton Terhadap Gradasi Pasir Pada
Beberapa Segmen Sungai Klawing, Purbalingga. Purwokerto: Universitas
Muhammadiyah Purwokerto.
Mashudi. (2015). Usulan Peramalan dan Perencanaan Agregat Tepung Jeli
Dengan Memperhitungkan Pengaruh Special Event, Seasonal, dan Trend di
PT. XYZ. Cikarang: President University.
Nasution, Arman Hakim. 2008. Perencanaan dan Pengendalian Produksi. Edisi
Kedua. Surabaya: Prima Printing.
Nasution, A. H., dan Prasetyawan, Y. (2008). Perencanaan & Pengendalian
Produksi. Edisi Pertama. Graha Ilmu, Yogyakarta.
Nisa, Atika Khoirun, Trio Yonathan Kusuma. (2017). Perencanaan dan
Pengendalian Produksi Dengan Metode Aggregate Planning di C-Maxi
Alloycast. Yogyakarta: UIN Sunan Kalijaga Yogyakarta.
Rosta, Jevi dan Hendy Tannady. (2017). Perencanaan Agregat Heuristik Untuk
Penentuan Sumber Daya Yang Optimal. Jakarta: Binus University
Saebiah, S., & Amaliah, N. (2017). Aplikasi POM For Windows. Pangkep: STKIP
Andi Matapa.
Setiawan, Viola. 2011. “Analisis Penjadwalan Produksi Untuk Meningkatkan
Efisiensi Waktu”. Bandung : Skripsi FE UKM.
Sulianti, I K A. 2018. “Analisis Pengaruh Besar Butiran Agregat Kasar Terhadap.”
Jurnal Forum Meknika 7.
Syahputra, R. D., Suharyono, & Supriono. (2018). Peramalan Penjualan Jasa
Freight Forwarding Dengan Metode Single Moving Averages, Exponential
Smoothing Dan Weighted Moving Averages. Malang: Fakultas Ilmu
Administrasi Universitas Brawijaya.
Taylor III, Bernard W. 2005. Introduction to Management Science, jilid kedua.
edisi kedelapan. Jakarta : Selemba empat
Tohir, Akhmat. 2011. Analisis Peramalan Penjualan Minyak Sawit Kasar atau
Crude Palm Oil (CPO) pada PR. Jakarta: Kharisma Pemasaran Bersama
(KPB) Nusantara di Jakarta. Program Studi Agribisnis, Fakultas Sains dan
Teknologi, Universitas Islam Negeri Syarif Hidayatullah.
LAMPIRAN