Perencanaan dan Pengendalian Produksi

Pertemuan 3

Peramalan
 Tujuan Instruksional Khusus

• Mampu menganalisis pola demand serta

menerapkan teknik-teknik peramalan

• Melakukan perencanaan produksi, dalam upaya

memenuhi kebutuhan konsumen.

• Memprediksi kebutuhan yang diperlukan dalam

proses produksi.

Perencanaan dan Pengendalian Produksi - Minggu 3 2

 Introduction
• Pokok bahasan ini mengkaji perencanaan produksi
melalui penerapan metode peramalan.

• Teknik peramalan ditujukan untuk menghasilkan

perencanaan produksi yang akurat dalam merespon
permintaan pasar.

• Langkah pertama dalam perencanaan operasi sistem

produksi adalah menentukan peramalan yang akurat
terhadap permintaan barang (produk) yang akan
diproduksi.

Perencanaan dan Pengendalian Produksi - Minggu 3 3

 Peramalan
• Peramalan: Estimasi nilai atau karakteristik
masa depan
 prediksi (prediction)
 peramalan (forecast)
 kecenderungan (trend)

• Peramalan adalah seni dan ilmu untuk

memprediksi masa depan.
• Peramalan merupakan tahap awal, dan hasil
ramalan merupakan basis bagi seluruh tahapan
pada perencanaan produksi

Perencanaan dan Pengendalian Produksi - Minggu 3 4

 Demand
• Faktor yang mempengaruhi demand
 Variasi random
 Rencana konsumen
 Daur hidup produk
 Pesaing
 Perilaku/sikap konsumen
 Waktu
 Siklus bisnis
 Iklan Input
Perusahaan
Output
Permintaan
 Sales effort
 Reputasi
 Desain produk
 Kebijaksanaan kredit
 Kualitas

Perencanaan dan Pengendalian Produksi - Minggu 3 5

 Konsiderasi (1)
• Ongkos dan manfaat
 Ongkos
– Ongkos pengembangan metoda
– Ongkos kegiatan peramalan
– Ongkos akibat kesalahan ramal
 Manfaat
– Mengerti hubungan antara permintaan dan faktor lain
– Kondisi dunia nyata  Sistem pengendalian produksi

 "Untuk tujuan apa suatu ramalan dibuat akan

menentukan pendekatan yang diambil"

Perencanaan dan Pengendalian Produksi - Minggu 3 6

 Konsiderasi (2)
• Ketelitian
 Suatu ukuran seberapa tepat ramalan dari kondisi
aktual

• Sederhana dalam perhitungan

 ketelitian tinggi vs sederhana dalam perhitungan

• Kemampuan menyesuaikan terhadap perubahan

• Lead time, perioda, horizon

Perencanaan dan Pengendalian Produksi - Minggu 3 7

 MODEL Taksonomi Peramalan
KUALITATIF

REGRESI

PERAMALAN TIME SERIES RATA-RATA

MOVING
SMOOTHING AVERAGE

MODEL
KUANTITATIF

EXPONENTIAL
SMOOTHING

KAUSAL

Perencanaan dan Pengendalian Produksi - Minggu 3 8

Karakteristik Karakteristik ketersediaan informasi
peramalan
Informasi kuantitatif cukup tersedia Informasi kuantitatif kurang atau Informasi
tidak tersedia, tetap pengetahuan kurang atau
kualitatif cukup tersedia tidak tersedia

Metode deret Metode Metode Metode

waktu kausal exploratori normatif

Peramalan Memprediksi Mempelajari Memprediksi Memprediksi Memprediksi

kontinu pertumbuhan pengaruh kecepatan perkembangan pengaruh
berdasarkan penjualan harga dan transportasi otomotif perkembangan
pola atau pada tahun pada tahun teknologi luar
hubungan
atau GNP promosi 2010 2010 angkasa
tertentu terhadap
penjualan
Peramalan Memprediksi Mempelajari Memprediksi Memprediksi Penemuan
perubahan resesi pengaruh pengaruh embargo sumber energi
yang akan berikutnya pengendalian kenaikan minyak yang baru yang
terjadi harga dan harga minyak diikuti oleh murah dan
pembatasan terhadap perang Arab- tidak
iklan TV konsumsi Israel menimbulkan
terhadap minyak polusi
penjualan

Perencanaan dan Pengendalian Produksi - Minggu 3 9

 Taksonomi Peramalan (2)
• Penggunaan Model Kualitatif:
 Tidak memerlukan data kuantitatif
 Unsur subyektifitas peramalan sangat besar
pengaruhnya dalam hasil peramalan
 Baik untuk peramalan jangka panjang

• Contoh:
 Opini individu
 Opini kelompok
 Delphi

Perencanaan dan Pengendalian Produksi - Minggu 3 10

 Taksonomi Peramalan (3)
• Penggunaan model kuantitatif membutuhkan:
 Data kondisi masa lalu
 Data tersebut dapat dikuantifisir
 Diasumsikan pola data masa lalu akan berlanjut pada
masa yang akan datang

• Data yang digunakan untuk keperluan

perencanaan produksi:
 Paling baik menggunakan data permintaan
 Menggunakan data jumlah unit penjualan
 Kalau tidak dimiliki data penjualan gunakan data jumlah
unit produksi

Perencanaan dan Pengendalian Produksi - Minggu 3 11

 Langkah-langkah Peramalan
• Definisikan tujuan peramalan.
• Plot data (part family) masa lalu.
• Pilih metode-metode yang paling memenuhi
tujuan peramalan dan sesuai dengan plot data.
• Hitung parameter fungsi peramalan untuk
masing-masing metode.
• Hitung fitting error untuk semua metode yang
dicoba.
• Pilih metode yang terbaik, yaitu metode yang
memberikan error paling kecil.
• Ramalkan permintaan untuk periode mendatang
• Lakukan verifikasi peramalan.
 Metoda Peramalan Lainnya
• Moving average method
 Simple moving average

• Exponential smoothing
 Simple exponential smoothing

• Winters model

• Seasonal model

• Siklis model
Perencanaan dan Pengendalian Produksi - Minggu 3 13
 Prosedur Peramalan
1. Plot data permintaan vs. waktu ke dalam tabel
dan grafik

2. Pilih beberapa metoda peramalan

3. Evaluasi kesalahan peramalan

4. Pilih metoda peramalan terbaik berdasarkan

kesalahan peramalan terkecil

5. Intepretasi hasil peramalan

Perencanaan dan Pengendalian Produksi - Minggu 3 14

 I. Pola Data

Perencanaan dan Pengendalian Produksi - Minggu 3 15

 Pola data metode deret berkala (1)

1. Pola horisontal (H) terjadi bilamana data berfluktuasi

disekitar nilai rata-rata yg konstan. Suatu produk yg
penjualannya tdk meningkat atau menurun selama waktu
tertentu termasuk jenis ini.

2. Pola musiman (S) terjadi jika suatu deret dipengaruhi

oleh faktor musiman (misalnya kuartal tahun tertentu,
bulanan, atau hari-hari pada minggu tertentu). Penjualan
dari produk seperti minuman ringan, es krim, dan bahan
bakar pemanas ruang semuanya menunjukkan jenis pola
ini.
Pola data metode deret berkala (2)

3. Pola siklis (C) terjadi apabila datanya dipengaruhi

oleh fluktuasi ekonomi jangka panjang seperti
yang berhubungan dengan siklus bisnis. Contoh:
Penjualan produk seperti mobil, baja, dan
peralatan utama lainnya.

4. Pola trend (T) terjadi bilamana terdapat kenaikan

atau penurunan skuler jangka panjang dalam
data. Contoh: Penjualan banyak perusahaan, dan
berbagai indikator bisnis atau ekonomi lainnya.
 Karakteristik trend

Komponen Amplitudo Penyebab

Seasonal 12 bulan Liburan,

Liburan, musim,
musim,
perioda finansial
Cyclical 3-5 tahun Ekonomi nasional,
nasional,
perubahan politik
Bisnis 1-5 tahun Pemasaran, kompetisi,
performance
Product life 1-5 tahun, Substitusi produk
cycle makin pendek
 Metode Deret Waktu

1. Konstan
2. Regrasi Linier
3. Regresi kuadratis
4. Exponential
5. Moving Average
6. Exponential smoothing
7. Seasonal
 II. Teknik Peramalan
n

^ ^ ^ dt
1. Konstan D(t )  a a t 1
n
^ ^ ^

2. Regresi linier
D(t)  a  bt
N N N

^
N t.d (t )   d (t )t
b t 1

N
N
t 1
2
t 1

N t  (  t)
2

t 1
t 1
n n

 dt b t
a t 1
 t 1
N N

Perencanaan dan Pengendalian Produksi - Minggu 3 20

3. Regresi Kuadratis
Dt = a + bt + ct2

n n n n

 t .dt  dt  t  N
2 2
t .dt
b t 1
n
c= t =1
n
t 1 t 1
n

t ( t )  n 
2 4
t
2 2

t 1 t 1 t 1

n n

 dt  C 
2
t
a t 1 t 1
N

Perencanaan dan Pengendalian Produksi - Minggu 3 21

 4. Metode Exponential (1)

• Digunakan apabila persamaan a dan b tidak bisa

dipecahkan dengan cara konvensional.
• Digunakan transformasi logaritma ke dalam
situasi regresi.
• Persamaan metode eksponensial :

d' (t)  ae bt
Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
 4. Metode Eksponensial (2)

• Persamaan transformasi logaritma :

lnd' (t)  ln(a)  ln(ebt )  ln(a)  bt

Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
5. Metode Moving Average (1)

• Digunakan bila data-datanya :

- tidak memiliki trend
- tidak dipengaruhi faktor musim
• Digunakan untuk peramalan dengan perioda
waktu spesifik.
• Moving Average didefinisikan sebagai :
n

d t
MA n  t 1
n
Keterangan :
n = jumlah perioda
dt = demand pada bulan ke t
 5. Metode Moving Average (2)

• Peramalan jangka pendek lebih baik

dibandingkan jangka panjang.
• Kelemahan : tidak cocok untuk pola data
trend atau pola data musiman.
6. Metode Exponential Smoothing (1)

• Kesalahan peramalan masa lalu

digunakan untuk koreksi peramalan
berikutnya.
• Dihitung berdasarkan hasil peramalan +
kesalahan peramalan sebelumnya.
6. Metode Exponential Smoothing (2)

ES didefinisikan sebagai:
Ft 1  Dt  (1   ) Ft
Keterangan:
Ft+1 = Ramalan untuk periode berikutnya
Dt = Demand aktual pada periode t
Ft = Peramalan yg ditentukan sebelumnya untuk periode t
 = Faktor bobot

  besar, smoothing yg dilakukan kecil

  kecil, smoothing yg dilakukan semakin besar
  optimum akan meminimumkan MSE, MAPE
 7. Metode Seasonal

• Demand meningkat karena pengaruh

tertentu atau berdasarkan waktu.
• Nilai/harga faktor seasonal antar 0 dan 1.
• Formulasi peramalan pada tahun ke i :
d’i = a + bt
Keterangan :
d’i = peramalan untuk saat ke i
t = perioda waktu (bulan, minggu, dll)
• Formulasi Peramalan Seasonal :
SF(i) = (Si).(d’t)
 Contoh Soal
PT. Maju Jaya memproduksi 2 produk setiap harinya.
Pandemi Covid 19 juga berdampak pada penjualan
perusahaan, dan terjadi fluktuasi permintaan. Data
permintaan selama tahun 2020 disajikan dilihat pada
tabel berikut :
No Bulan Produk 1 Produk 2
1 Januari 150 200
2 Februari 185 185
3 Maret a 210
4 April 230 d
5 Mei 205 250
6 Juni b 280

Perencanaan dan Pengendalian Produksi - Minggu 3 29

 Contoh soal (1)

No Bulan Produk 1 Produk 2

7 Juli 240 e
8 Agustus 285 195
9 September c 220
10 Oktober 190 f
11 November 225 200
12 Desember 245 230

• Dari tabel diatas, tentukan peramalan produk

1 dan 2 dg metode konstan, linier dan
kuadratis

Perencanaan dan Pengendalian Produksi - Minggu 3 30

 Contoh soal (2)
• Contoh soal juga dijadikan tugas 2
• Tugas 2 dikerjakan dikertas atau dibuku latihan,
discan dan disave dlm 1 (satu) file pdf dg Nama file:
Tugas2PPC_Nama_NoBp_Lokal
• Di upload di google class pada Tugas 2 PPC, Paling
lambat hari JUM’AT tanggal 26 Maret 2021, jam
23.59 wib.

Perencanaan dan Pengendalian Produksi - Minggu 3 31

 Langkah penyelesaian
1. Buat diagram pencar dalam koordinat cartesius
produk 1 dan produk 2 terhadap waktu. Dimana
sumbu x adalah bulan (boleh diganti dg 1 s/d 12) dan y
adalah permintaan produk.

2. Tentukan nilai peramalan produk 1 dan 2 dg masing-

masing metode. Dimana bulan/time dilambangkan dg t,
permintaan/demand dilambangkan dg d.
a. Produk 1, utk 3 metode peramalan
b. Produk 2, juga utk 3 metode peramalan

Perencanaan dan Pengendalian Produksi - Minggu 3 32

1. Metode konstan
Utk mendapatkan nilai ramalan, gunakan tabel bantu berikut :
t d
1 150
s/d s/d
12 245
total ?

Berdasarkan tabel di atas, cari peramalan (dt’) dg metode

konstan (rumus lihat slide 20)

Perencanaan dan Pengendalian Produksi - Minggu 3 33

2. Metode linier
Utk mendapatkan nilai ramalan, gunakan tabel bantu berikut :
t d t.d t2
1 150 150 1
s/d s/d s/d s/d
12 245 2.940 144
total ? ? ?

Berdasarkan tabel di atas, cari peramalan (dt’) dg metode linier

(rumus lihat slide 20).

Perencanaan dan Pengendalian Produksi - Minggu 3 34

3. Metode kuadratis
Utk mendapatkan nilai ramalan, gunakan tabel bantu berikut :
t d t.d t2 t2.d t4
1 150 150 1 150
s/d s/d s/d s/d s/d s/d
12 245 2.940 144 35.280 20.736
total ? ? ? ? ?

Berdasarkan tabel di atas, cari peramalan (dt’) dg metode

kuadratis (rumus lihat slide 20).

Perencanaan dan Pengendalian Produksi - Minggu 3 35