BAB III Materi Khusus PPIC

Laporan Kerja Praktek
Jurusan Teknik Industri
BAB III
MATERI KHUSUS
PRODUCTION PLANNING AND INVENTORY CONTROL (PPIC)
3.1 Pendahuluan
3.1.1 Latar Belakang
Suatu perusahaan yang membangun diri dan berkembang untuk mampu
bersaing di pasar internasional, perusahaan akan selalu berupaya menjalankan
seluruh misi secara sistematis dan profesional. Salah satunya adalah perusahaan
garam yaitu PT. Garam (Persero). PT. Garam (Persero) merupakan satu-satunya
Badan Usaha Milik Negara yang berusaha di bidang industri dan perdagangan
garam, merupakan kedudukan cukup strategis ditinjau dari keberadaannya untuk
menyediakan salah satu bahan kebutuhan pokok di dalam kehidupan manusia.
Garam merupakan komoditas yang berisi zat atau mineral yang sangat
esensial bagi kebutuhan tubuh manusia yang sampai saat ini belum ada
penggantinya atau substitusinya. Kebutuhan garam ini akan tetap diperlukan
sepanjang kelangsungan hidup manusia. Kebutuhan garam konsumsi nasional
cenderung mengalami peningkatan seiring dengan peningkatan pertumbuhan
penduduk dan industri. Data dari Deperindag menyatakan bahwa kebutuhan Garam
Nasional sebesar 2.650.000 ton, yang akan dipenuhi oleh PT. Garam (Persero)
sebesar 450.000 ton dan Garam Rakyat 1.080.000 ton sedangkan kekurangannya
dipenuhi dari Garam Impor sebesar 1.120.000 ton (PT. Garam (Persero), 2013).
Kondisi umum PT. Garam (Persero) sampai saat ini masih mengalami
perkembangan, hal ini terbukti bahwa dari tahun ke tahun perusahaan ini
menunjukkan suatu perkembangan yang dapat dikatakan cukup baik. Suatu
perusahaan yang didirikan mempunyai tujuan yang ingin dicapai, untuk mencapai
tujuan tersebut maka harus didasari dengan adanya perencanaan. Sebuah
perencanaan yang matang merupakan awal dari proses dalam bekerja membangun
sistem pada tiap lini bisnis, mulai dari produksi, proses pengolahan dan
pengemasan, disribusi hingga pada pemasaran produk.
Institus Teknologi Adhi Tama Surabaya - ITATS

27
Dalam perkembangan bisnis saat ini dengan persaingan yang begitu ketat,
mengharuskan suatu perusahaan melakukan perencanaan dan kerja keras untuk
merealisasikanya. Penjualan merupakan salah satu indikator paling penting dalam
sebuah perusahaan, bila tingkat penjualan yang dihasilkan oleh perusahaan tersebut
besar, maka laba yang dihasilkan perusahaan itu pun akan besar pula. Sehingga
perusahaan dapat bertahan dalam persaingan bisnis dan bisa mengembangkan
usahanya (Pakaja, 2012). Penjualan merupakan sumber hidup suatu perusahaan,
karena dari penjualan dapat diperoleh laba serta suatu usaha untuk memikat
konsumen. Sehingga jika penjualan terus berkembang maka perusahaan akan terus
bertahan dalam persaingan bisnis, dan perusahaan akan selalu berkembang.
Dunia usaha yang terus berubah dengan cepat, serta banyaknya persaingan
pengusaha yang semakin banyak, mengharuskan perusahaan untuk mampu
menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang
terjadi di masa depan. Kegiatan meramal atau forecast masa depan merupakan
salah satu usaha perusahaan sebagai dasar pengambilan keputusan strategis dalam
kelangsungan usaha. Perusahaan pemasar yang baik menginginkan informasi untuk
membantu mereka mengevaluasi kinerja masa lalu dan merencanakan kegiatan
masa depan.
Prediksi merupakan sumber informasi yang dapat digunakan oleh
perusahaan untuk mempersiapkan diri dalam menentukan strategi ke depan yang
lebih baik. Prediksi penjualan adalah salah satu cara untuk dapat bersaing atau
bahkan dapat meningkatkan laba perusahaan sehingga prediksi diperlukan untuk
menyetarakan antara perbedaan waktu yang sekarang dan yang akan datang
terhadap kebutuhan. (Lobo, 2014)
Memprediksi penjualan yang kurang akurat mengakibatkan biaya produksi
akan meningkat, sehingga seluruh investasi yang ditanamkan menjadi kurang
efisien. Permasalahan tersebut dapat diantisipasi dengan melakukan suatu prediksi
kemungkinan terjadinya penurunan ataukenaikan penjualan pada periode yang akan
datang dengan diperoleh informasi yang akurat sehingga perusahaan dapat
mempersiapkan strategi yang harus ditempuh dalam menghadapi suatu kondisi
tertentu. Hal ini mengharuskan perusahaan untuk dapat merencanakan semua

28
parameter produksi dengan baik, sehingga diharapkan keuntungan perusahaan akan

selalu meningkat.
Peramalan dilakukan bertujuan untuk mengetahui perkiraan penjualan yang
akan datang, untuk memenuhi kebutuhan konsumen. Peramalan penjualan ini
tentang prediksi penjualan kedepanya apakah sudah memenuhi target penjualan
atau belum, agar dapat merencanakan strategi penjualan pada periode yang akan
datang dan peramalan tersebut diperoleh dari data permintaan atau penjualan pada
periode sebelumnya. Dengan adanya peramalan maka perusahaan akan dapat
melakukan pengambilan keputusan yang tepat dalam produksinya, namun dalam
kegiatan peramalan memerlukan penerapan beberapa metode, hal ini bertujuan
untuk mengetahui permintaan produk penjualan di masa depan.
Pada umumnya, metode peramalan terbagi menjadi dua yaitu metode
kualitatif dan metode kuantitatif. Metode kualitatif lebih kepada mengandalkan
intuisi yang dimiliki manusia daripada penggunaan data historis sehingga metode
ini juga disebut metode peramalan subjektif. Metode ini banyak digunakan dalam
mengambil keputusan sehari-hari dalam keadaan yang mendesak. Sedangkan
metode kuantitatif adalah metode forecasting menggunakan data-data yang dapat
dikuantitatifkan dalam bentuk numerik. Metode ini terbagi menjadi dua yaitu
metode kausal dan metode time series atau runtun waktu.
3.1.2 Rumusan Masalah

Berdasarkan latar belakang yang ada maka dapat dirumuskan permasalahan
sebagai berikut:
1. Bagaimana cara mengetahui dan mempelajari sistem produksi di PT. Garam
(Persero)- Segoromadu Gresik?
2. Bagaimana cara menganalisis penjualan Garam di PT. Garam (Persero)-
Segoromadu Gresik dengan metode time series?
3. Bagaimana cara menentukan metode peramalan permintaan yang cocok
untuk digunakan PT. Garam (Persero)-Segoromadu Gresik?

29
3.1.3 Tujuan Penelitian

Berdasarkan latar belakang dan rumusan masalah maka tujuan penelitian ini
adalah sebagai berikut:
1. Mengetahui dan mempelajari sistem produksi garam pada PT. Garam
(Persero)-Segoromadu Gresik.
2. Menganalisa penjualan garam di PT. Garam (Persero)-Segoromadu Gresik
dengan menggunakan metode time series.
3. Menentukan metode peramalan permintaan yang cocok untuk PT. Garam
3.1.4 Manfaat Penelitian

Berdasarkan latar belakang dan rumusan masalahnya maka praktikum ini
memiliki manfaat sebagai berikut:
1. Adapun manfaat yang didapatkan perusahaan dari penelitian ini adalah:
a. Diharapkan pada penelitian kali ini perusahaan dapat mengetahui sistem
produksi terbaik yang dapat diterapkan pada produksi di PT. Garam
b. Diharapkan perusahaan mendapatkan usulan perbaikan pada sistem
produksi guna meningkatkan efektifitas dan efisinsi pada produksi
dengan penjadwalan produksi time series.
2. Adapun manfaat yang didapatkan oleh institusi adalah:

a. Penelitian ini dapat digunakan sumber referensi pembelajaran dalam
bangku perkuliahan.
b. Dapat menambah wawasan dan juga referensi untuk penelitian
selanjutanya.
3. Adapun menfaat yang didapatkan oleh peneliti adalah:

a. Dapat menambah pengetahuan dan pengalaman dengan menerapkan
metode Time Series dalam permasalahan penjadwalan produksi yang ada
pada Perencanaan dan Pengendalian Produksi suatu perusahaan.

30
b. Dapat menerapkan ilmu yang didapatkan dari bangku kuliah untuk

diterapkan pada penelitian.
c. Dapat menggunakan software POM QM for windows dalam peramalan
produksi.
4. Adapun manfaat yang didapatkan oleh Pembaca adalah:

a. Sebagai referensi untuk pembaca guna melakukan penelitian selanjutkan
yang berkaitan dengan Perencanaan dan Pengendalian Produksi.
b. Dapat mengetahui dasar peramalan produksi dengan menggunakan
software POM QM for windows.
c. Sebagai wawasan dan penambah pengetahuan mengenai Perencanaan
dan Pengendalian Produksi.
3.1.4 Batasan Penelitian

Berdasarkan latar belakang dan rumusan masalah maka batasan penelitian
yang diterapkan adalah sebagai berikut:
1. Lokasi penelitian yang dilakukan hanya pada area ruang produksi PT.
Garam (Persero)-Segoromadu Gresik.
2. Ruang Lingkup data yang digunakan pada laporan ini adalah sistem
produksi dan penjualan produk garam.
3. Penelitian ini hanya menggunakan data penjualan produk garam Lososa
selama 6 bulan terakhir.
3.1.5 Asumsi Penelitian

Berdasarkan rumusan masalah dan batasan penelitian maka diperoleh
asumsi sebagai berikut:
1. Aliran proses produksi tidak mengalami perubahan selama penelitian
berlangsung.
2. Data yang diambil merupakan data yang diambil langsung dari tempat
observasi.
3. Tidak ada penambahan alat atau mesin produksi selama penelitian
dilakukan.

31
3.2 Studi Pustaka

3.2.1 Konsep Perencanaan dan Pengendalian Produksi
Menurut N Meilasani (2019) pengendalian dan perencanaan produksi
merupakan konsep dan strategi yang sangat penting dalam dunia industri.
Keberhasilan dalam perencanaan dan pengendalian produksi membutuhkan
perencanaan produksi yang efektif, agar mampu memenuhi jadwal produksi yang
ditetapkan. Ketidakmampuan perusahaan dalam mengelola perencanaan produksi
akan menyebabkan kegagalan memenuhi target produksi, keterlambatan
pengiriman ke pelanggan, dan kehilangan kepercayaan mengakibatkan reputasi dari
perusahaan mengalami penurunan atau menghilang sama sekali.
Perencanaan dan pengendalian produksi (PPC) pada insutri manufaktur
apapun akan memiliki fungsi yang sama. Fungsi atau aktifitas-aktifitas yang
ditangani oleh departemen PPC atau PPIC secara umum adalah sebagai berikut:
a. Mengelola pesanan (order) dari pelanggan.
Para pelanggan memasukkan pesanan-pesanan untuk berbagai produk
pesanan-pesanan ini dimasukkan dalam penjadwalan produksi utama, bila
jenis produksinya make to order.
b. Meramalkan permintaan.
Perusahaan biasanya berusaha memproduksi secara lebih independen
terhadap fluktuasi permintaan. Permintaan ini perlu diramalkan agar
scenario produksi dapat mengatisipasi fluktuasi permintaan tersebut.
Permintaan ini harus dilakukan bila tipe produksinya adalah make to stock.
c. Mengelola persediaan.
Tindakan pengelolaan persediaan berupa melakukan transaksi persediaan.
Membuat kebijakan persediaan pesanan, kebijakan kuantitas pesanan
produksi, kebijakan frekuensi dan periode pemesanan, dan mengukur
performansi keuangan dari kebijakan yang dibuat.
d. Menyusun rencana agregat (penyesuaian permiintaan dengan kapasitasas)

Pesanan pelanggan dana tau ramalan permintaan harus dikompromikan
dengan sumber daya persuhaan (fasilitas, mesin, tenaga kerja, keuangan,
dan lain-lain). Rencana agregat bertujuan untuk membuat skenario

32
pembebanan kerja unntuk mesin dan tenaga kerja (regular, lembur, dan sub
kontrak) secara optimal untuk keseluruhan produk dan sumber daya secara
terpadu (tidak per produksi).
e. Membuat Jadwal Induk Produksi (JIP)

JIP adalah suatau rencana terperinci mengenai apa dan berapa unit yang
harus diproduksi pada suatu periode terntentu untuk stiap item produksi. JIP
dibuat dengan cara (salah satunya) memecah (disagregat) rencana agregat
ke dalam rencana produksi (apa, kapan dan berapa) yang akan
direalisasikan. JIP ini apabila telah dikoordinasikan dengan seluruh
departemen akan jadi dasar dalam PPC. JIP ini akan direview secara
periodik atau bila ada kasus. JIP ini dapat berubah bila ada hal yang harus
diakomodasikan.
f. Merencanakan kebutuhan.
JIP yang telah berisi apa dan berapa van-e harus dibuat selanjutnya harus
diterjemahkan kedalam kebutuhan komponen, sub-assembly, dan bahan
penunjang untuk penyelesaian produk. Perencanaan kebutuhan material
bertujuan untuk menentukan apa, berapa, dan kapan komponen, Sub-
assembly, dan bahan penunjang yang harus disiapkan. Untuk membuat
perencanaan kebutuhan diperlukan informasi lain berupa struktur produk
(bill of material) dan catatan persediaan. Membuat penjadwalan pada mesin
atau fasilitas produksi. Penjadwalan ini meliputi urutan pengerjaan, waktu
penyelesaiaan pesanan, kebutuhan waktu penyelesaiaan, prioritas
pengerjaan, dan lain-lain.
g. Monitoring dan pelaporan pembebanan kerja dibanding kapasitas produksi.

Kemajuan demi tahap diawasi dan dibuat laporannya utuk dianalisis.

33
h. Evaluasi skenario pembebanan dan kapasitas.

Bila realisasi tidak sesuai rencana, maka rencana, maka rencana agregat,
JIP, dan penjadwalan dapat diubah/disesuaikan kebutuhan. Untuk jangka
panjang, evaluasi ini dapat digunakan untuk mengubah (menambah)
kapasitas produksi.
Fungsi-fungsi dalam praktik tidak semua perusahaan melaksanakannya.

Fungsi tersebut secara umum. Ruang lingkup PPC tersebut perlu dilakukan dengan
tahapan yang sesuai dengan karakteristik produk dan kebijakan produksi
perusahaan menghaliskan output yang optimal. Pada laporan kerja praktek ini,
pembahasan kajian teori difokuskan pada permalan permintaan.
3.2.2 Pengertian Perencanaan Produksi

Perencanaan merupakan langkah pertama dalam proses produksi, terdiri atas
kegiatan pemilihan tujuan yang dapat diukur dan penentuan cara untuk mencapai
tujuan tersebut. Berikut adalah pengertian perencanaan produksi berdasarkan
pendapat para ahli, yaitu definisi perencanaan produksi menurut Gasperz, adalah
perencanaan produksi merupakan suatu proses menentukan tingkat output
manufacturing secara keseluruhan guna memenuhi tingkat penjualan yang
direncanakan dan inventori yang diinginkan.
Perencanaan produksi menurut Sofyan (2013), mengatakan bahwa,
perencanaan produksi merupakan suatu kegiatan untuk mendapatkan produk sesuai
kebutuhan 2 (dua) pihak yaitu perusahaan dan konsumen. Perencanaan Produksi
dapat diartikansebagai suatu pernyataan rencana produksi secara keseluruhan yang
memuat kesepakatan antara top management dengan bagian manufaktur yang
disusun berdasarkan permintaan dan kebutuhan sumber daya perusahaan.
Perencanaan produksi adalah aktivitas untuk menetapkan produk yang
diproduksi, jumlah yang dibutuhkan, kapan produk tersebut harus selesai dan
sumber-sumber yang dibutuhkan. Tujuan utamanya adalah memaksimalkan
pelayanan bagi konsumen, meminimalkan investasi pada persediaan diperusahaan,
serta untuk perencanaan kapasitas, pengesahan produk dan pengesahaan
pengendalian produksi, persediaan dan kapasitas, penyimipanan dan pergerakan

34
material, peralatan, routing dan process planning, dan sebagainya sehingga dengan
adanya perencanaan produksi, perusahaan dapat mengelola tingkat persediaan dan
tingkat produksi sesuai dengan tingkat harapan atau target penjualan di perusahaan.
Menurut Sukaria Simulingga (2013) perencanaan produksi meliputi:
a. Mempersiapkan rencana produksi mulai dari tingkat agregat untuk seluruh
pabrik yang meliputi perkiraan permintaan pasar dan proyeksi penjualan.
b. Membuat jadwal penyelesaian setiap produkyang diproduksi.
c. Merencanakan produksi dan pengadaan komponen yang dibutuhkan dari
luar (bought-out items) dan bahan baku.
d. Menjadwalkan proses operasi setiap order pada stasiun kerja terkait.
Menyampaikan jadwal penyelesaian setiap order kepada para pemesan.
Dalam melakukan perencanaan produksi perlu dilakukan pemantauan dan

pelaporan khusus mengenai input dan output produksi yang telah ditetapkan, hal
tersebut menjadi dasar historis perusahaan dalam melakukan peningkatan produksi
yang lebih optimal.
1. Fungsi dan Tujuan Perencanan Produksi

Secara umum fungsi dan tujuan perencanaan produksi adalah merencanakan
dan mengendalikan aliran material ke dalam, di dalam dan keluar pabrik,
sehingga posisi keuntungan optimal yang merupakan tujuan perusahaan
dapat dicapai.
Beberapa fungsi perencanan produksi adalah:
a. Menjamin rencana penjualan dan rencana produksi konsisten terhadapa
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.

35
Adapun tujuan dari perencanan produksi menurut Hendra Kusuma (1999)

adalah:
a. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk
sebagai fungsi dari waktu.
b. Menetapkan jumlah saat pemesanan bahan baku serta komponen secara
ekonomis dan terpadu.
c. Menetapkan keseimbangan antara tingkat kebutuhan produksi, teknik
pemenuhan pesanan, serta memonitor tingkat persediaan produk jadi
setiap saat. Membandingkannya dengan rencana persediaan dan
melakukan revisi atas rencana produksi pada saat yang ditentukan.
d. Membuat jadwal produksi, penugasan, pembebanan mesin dan tenaga
kerja yang terperinci sesuai dengan ketersediaan kapasitas dan fluktuasi
permintaan pada suatu periode.
2. Manfaat Perencanaan Produksi

Beberapa manfaat yang dapat dilakukan dalam perencanaan produksi pada
sebuah industry adalah sebagai berikut:
a. Mengurangi resiko ketidak pastian yang terjadi dimasa mendatang.
b. Mengefisiensikan sumber daya perusahaan, sehingga perusahaan dapat
meminimalkan biaya produksi
c. Meningkatkan produktivitas pekerja.
d. Mengefisiensikan waktu kerja, sehingga aktivitas yang tidak bernilai
tambah bisa diminimalkan.
e. Meninggalkan keuntungan perusahaan.
3. Jenis-jenis Perencanaan Produksi

Ada beberapa jenis peramalan atau forcasting yang perlu diketahui.
a. Berdasarkan Waktu
Metode peramalan atau forecasting berdasarkan waktu peramalan
terbagi menjadi tiga, yaitu:

36
1) Peramalan jangka panjang yaitu forecasting yang menggunakan analisis

dengan waktu yang lebih panjang biasanya berlangsung selama dua
tahun lebih.
2) Peramalan jangka menengah dengan waktu tiga bulan hingga dua tahun.
3) Peramalan jangka pendek yaitu dengan jangka waktu nol hingga tiga
bulan.
b. Berdasarkan Fungsi Tujuan

Klasifikasi forecasting berdasarkan dungsi dan tujuannya, yaitu:
1) General business forecasting
Peramalan jumlah barang yang bisa dijual di masa mendatang
berdasarkan data penjualan sebelumnya.
2) Sales forecasting
Peramalan jumlah barang yang bisa dijual di masa mendatang
berdasarkan data penjualan sebelumnya.
3) Demand forecasting
Peramalan yang bertujuan untuk mengetahui perkiraan permintaan dan
kondisi pasar.
4) Financial forecasting
Bertujuan untuk memperkirakan biaya dan modal yang dikeluarkan di
masa mendatang.
c. Berdasarkan Ketersediaan Data

Forecasting merupakan aktivitas estimasi kondisi yang berlangsung di
massa depan berdasarkan data di masa lampau. Semua usaha atau kegiatan
memiliki ketersediaan data yang cukup. Ketersediaan data ini yang akan
menentukan bagaimana forecasting bisa dilakukan. Adapun jenis peramala
atau forecasting berdasarkan data adalah sebagai berikut:
1) Metode Kualitatif
Perusahaan atau organisasi tidak memiliki data yang cukup untuk
dianalisis. Hasil peramalan juga akan sangat subjektif karena hasil

37
analisis berbeda-beda. Contoh metode kualitatif: penyelidikan,

wawancara, diskusi.
Berikut metode kualitatif yang paling umum digunakan untuk
melakukan forecasting adalah metode Delphi, Ridet Pasar, Konsensus,
Analogi Sejarah, Personal Insight dan Metode Kuantitatif.
2) Metode Kuantitatif
Perusahaan memiliki data yang cukup, maka sebaiknya metode yang
digunakan adalah metode kuantitatif. Dimana dalam proses analisisnya
menggunakan pendekatan data dan angka.
Berikut metode kuantitatif yang paling umum digunakan untuk
melakukan forecasting adalah Metode Time Series (Deret Waktu) dan
Metode Kasual.
3.2.3 Pengertian Peramalan

Peramalan merupakan alat bantu yang sangat penting dalam perencanaan
yang efisien dan efektif. Oleh karena itu, setiap perusahaan yang sedang melakukan
kegiatan usaha harus memperkirakan apa yang akan terjadi dimasa yang akan
datang. Suatu peramalan dianggap baik apabila mendekati kebenaran. Menurut
Mandaladitya (2017) Peramalan atau forecasting adalah proses memperkirakan
jumlah permintaan di masa mendatang berdasarkan pengujian kondisi di masa
sebelumnya.
Peramalan tidak terlalu dibutuhkan dalam kondisi perminitaan pasar yang
stabil, karena perubahan permintaan relative kecil. Tetapi peramalan akan sangat
dibutuhkan jika kondisi permintaan pasar bersifat komplek dan dinamis.
Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat
komplpek, dan dinamis karena perminitaan tersebut tergantung dari keadaan social,
ekonomi, politik, teknologi, produk pesaing, dan produk substitusi. Oleh karena itu,
peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam
pengambilan keputusan manajemen.

38
1. Fungsi dan Tujuan Peramalan

Adapun tujuan peramalan menurut Nisa Meilasani (2020) adalah untuk
memperoleh angka maupun nilai yag diharapkan mendekati perkiraan yang
berguna untuk menjadi data maupun asumsi dalam pengambilan keputusan
di masa yang akan datang. Tujuan utama peramalan dilihat dari waktunya
dapat dibagi menjadi 3 (tiga), yaitu:
a. Jangka Pendek (Short Time)
Untuk menentukan kuantitas dan waktu dari item produksi. Biayanya
bersifat harian ataupun mingguan dan ditentukan oleh low management.
b. Jangka Menengah (Medium Term)
Untuk menentukan kunatitas dan waktu dari produksi. Biasanya bersifat
bulanan ataupun kuartal dan ditentukan oleh middle management.
c. Jangka Panjang (Long Term)
Untuk menentukan kuantitas dan waktu dari produksi. Biasanya bersifat
tahuna, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh top
management.
Fungsi dari peramalan akan diketahui saat mengambil keputusan.

Keputusan yang baik adalah keputusan yang berdasarkan atas pertimbangan,
apa yang akan terjadi saat keputusan itu dijalankan.Untuk Fungsi dari
peramalan adalah sebagai berikut:
a. Berupa media bantu untuk merancangkan yang efektif dan efisien.
b. Untuk menentukan kainginan sumber daya pada masa yang akan datang.
c. Untuk produksi keputusan yang tepat.
2. Manfaat Peramalan
Metode peramalan biasanya digunakan oleh bagian penjualan dalam
melakukan perencanaan (sales planning) berdasarkan hasil ramalan
penjualan, sehingga informasi peramalan dapat bermanfaat bagi Production
Planning and Inventory Control (PPIC). Untuk mendapatkan rencana
produksi yang tepat tentunya harus mempunyai perkiraan jumlah perintaan

39
konsumen yang tepat. Jadi, peramalan merupakan titik awal yang sangat
penting dalam perencanaan produksi.
3. Prinsip-prinsip Peramalan
Keberhasilan peramalan terlihat pada saat pengambilan keptusan. Menurut
Sofyan (2013), terdapat beberapa prinsip peramalan:
a. Permalan selalu mengandung kesalahan, artinya hampir tidak pernah
ditemukan bahwa hasil peramalan 100% sesuai dengan kenyataan yang
terjadi dilapangan, peramal hanya dapat mengurangi faktor
ketidakpastian.
b. Peramalan akan selalu memberikan informasi tentang ukuran kesaalahan,

hal ini dikarenakan bahwa peramalan pasti mengandung kesalahan, maka
penting bagi pengguna untuk menginformasikan berapa besar kesalahan
yang terkandung dalam perhitungan yang telah dilakukan.
c. Peramalan untuk jangka pendek selalu lebih akurat jika dibandingkan

dengan peramalan jangka panjang. Hal ini disebabkan karena pada
peramalan jangka pendek, faktor-faktor yang mempengaruhi relatif
masih sedikit dan bersifat konstanta dibandingkan dengan peramalan
jangka panjang, sehingga akan semakin kecil pula kemungkinan
terjadinya perubahan pada faktor-faktor yang mempengaruhi permintaan.
4. Faktor-faktor Mempengaruhi Peramalan

Dalam hal ini terdapat beberapa faktor yang dapat mempengaruhi aktivitas
peramalan menurut Sofyan (2013), adalah:
a. Horizon Waktu
Ada data aspek horizon waktu yang berhubungan dengan asihng-masing
metode peramalan. Pertama adalah cakupan waktu di masa yang akan
datang dari metode yang digunakan sebaiknya disesuaikan. Aspek kedua
adalah periode untuk masa peramalan yang diinginkan.

40
b. Pola Data
Dasar utama dalam metode adalah anggapan bahwa macam dari pola
yang didapati didalam data yang diramalkan akan berkelanjutan.
c. Jenis Model
Model-model ini merupakan suatu deret dimana waktu digambarkan
sebagai unsur yang penting untuk menentukan perubahan-perubahan
didalam pola, yang mungkin secara sistematis dapat dijelaskan dengan
analisis atau korelasi. Model yang lain adalah sebab akibat, yang
menggambarkan bahwa ramalan yang dilakukan sangat tergantung pada
terjadinya sejumlah peristiwa yang lain, atau sifatnya merupakan
campuran dari model-model yang telah disebukan diatas.
5. Unsur-unsur Peramalan
Unsur-unsur peramalan menurut Stevenson dan Cheep (2013), ramalan
memenuhi persyaratan sebagai berikut:
a. Ramalan harus tepat waktu. Biasanya dibutuhkan sejumlah waktu
tertentu agar dapat merespons informasi yang terkandunng dalam
ramalan. Contoh, kapasitas tidak dapat diperluas dalam waktu yang
singkat atau tingkatan persediaan tidak dapat diubah segera. Oleh karena
itu, rentang waktu peramalan harus mencakup waktu yang diperlukan
untuk mengimplementasikan perubahan yang tepat.
b. Ramalan harus akurat dan tingkat keakuratannya harus dinyatakan. Hal

ini akan memungkinkan penggunanya merencanakan kesalahan yang
dapat terjadi dan akan menyediakan dasar untuk membandingkan
alternative ramalan.
c. Ramalan harus dapat diandalkan dan harus berfungsi terus menerus.

Teknik yang kadang menyediakan ramalan yang tidak bagus akan
membuat penggunanya gelisah.

41
d. Ramalan harus dinyatakan dalam unit yang bermakna. Perencanaan

keuangan perlu mengetahui berapa banyak dollar yang akan dibutuhkan,
perencanaan produksi perlu mengetahui berapa banyak unit yang akan
dibutuhkan, serta penyusunan jadwal perlu mengetahui mesin dan
keterampilan apa yang akan diperlukan. Pilihan unit tergantung pada
kebutuhan penggunanya.
e. Ramalan harus dilakukan secara tertulis. Meskipun hal ini tidak akan
menjamin semua pihak yang menggunakna informasi serupa, setidaknya
akan meningkatkan kemungkinan terjadinya ramalan tersebut. selain itu,
ramalan secara tertulis akan memberikan dasaar yang objektif untuk
segera mengevaluasi ramalan setelah data aktual telah ada.
f. Teknik peramalan harus sederhana untuk dipahami dan digunakan.

Pengguna peramalan sering kali kurang percaya dengan peramalan yang
berdasarkan pada teknik canggih. Karena tidak memahai situasi yang
sesuai untuk teknik tersebut atau keterbatasan dari tekik tersebut.
Penyalahgunaan teknik adalah konsekuensi nyata. Tidak mengherankan,
teknik yang cukup sederhana memiliki popularitas yang luas karena
penggunaanya lebih nyaman dengan teknik sederhana.
g. Ramalan harus memiliki biaya yang lebih rendah dan manfaatnya lebih
banyak dari biaya.
6. Langkah-langkah dalam Proses Peramalan

Proses peramalan manurut Heizer dan Render, peramalan terdiri dari tujuh
langkah dasar, diantaranya:
a. Menetapkan tujuan perammalan
Langkah pertama dalam menyusun peramalan adalah penentuan estimasi
yang diiniginkan. Sebaliknya, tujuan tergantung pada kebutuhan-
kebutuhan informasi para manjer. Misalnya, manajer membuat
peramalan penjualan untuk mengendalikan produksi.

42
b. Memilih unsur apa yang akan diramal.

Setelah tujuan telah ditetapkan, langkah selanjutnya adalah memilih
produk apa yang akan diramal.
c. Menentukan horizon waktu peramalan
Apakah ini merupakan peramalan jangka pendek, menengah atau jangka
panjang. Misalnya, seorang manajer perusahaan “X” menyusun prediksi
penjualan bulanan, kuartal dan tahunan.
d. Memilih tipe model peramalan.

Peilihan model peramalan disesuaikan dengan keadaan perusahaan yang
bersangkutan. Metode peramalan yang baik adalah yang memberikan
hasil tingkat kesalahan peramalan terkecil.
e. Mengumpulkan data yang diperlukan untuk melakukan peramalan.

Apabila kebijakan umumtelah ditetapkan maka data ang dibutuhkan
untuk menyusun peramalan penjualan produk dapat diketahui. Ditinjau
dari sumbernya terbagi menjadi dua, yaitu; data internal (data dari dalam
perusahaan) dan data eksternal (data dari luar perusahaan).
7. Memvalidasi dan menetapkan hasil peramalan.

Peramalan dikaji di departemen penjualan, pemasaran, keuangan, dan
produksi untuk memastikan bahwa model, asumsi dan data yang digunakan
sudah valid. Sedangkan proses peramalan menurut Stevenson dan Chee,
bahwa ada tujuh langkah dasar dalam proses peramalan yaitu:
a. Menentukan tujuan ramalan
Bagaimana ramalan akan digunakan dan kapan akan dibutuhkan, langkah
ini akan memberikan tingkat rincian yang diperlukan dalam ramalan,
jumlah sumber daya, serta tingkatan keakuratan yang diperlukan.
b. Menentukan rentan waktu

Ramalan harus mengindikasikanrentang waktu, mengingat bahwa
keakuratan menurun ketika rentang waktu meningkat.

43
c. Memilih teknik peramalan

Memperoleh, membersihkan, dan menganalisis data yang tepat.
Memperoleh data dapat meliputi usaha yang signifikan. Setelah
memperoleh data, data mungkin perlu “dibersihkan” agar dapat
menghilangkan objek asing dan data yang tidak jelas sebelum dianalisis.
d. Membuat ramalan
Ramalan harus dipantau untuk menentukan apakah ramalan ini dilakukan
dengan cara yang memuaskan. Jika tidak memuaskan, periksa kembali
metode peramalan, asumsi, keabsahan data, dan lain-lain.
e. Biaya
Umumnya ada empat unsur biaya yang tercakup yaitu biaya
pengembangan, penyimipangan, operasi pelaksanaan, dan kesempatan
dalam penggunaan metode lainnya.
f. Ketepatan
Tingkat ketepatan yang dibutuhkan sangat erat hubungannya dengan
tingkat perincian yang dibutuhkan suatu peramalan.
g. Mudah tidaknya penggunaan

suatu prinsip yang umum adalah metode-metode yang dapat dimengerti
dan diaplikasikan dalam pengambilan keputusan.
3.2.4 Pola Data Permintaan

Menurut Makridaksi (1999), langkah penting dalam memilih deret berkala
(time seires) adalah jenis pola data, sehingga metode yang paling tepat dapat diuji.
Pola data dibedakan menjadi 4 jenis, yaitu:
1. Pola Horizontal (H) terjadi bilamana data berfluktuasi disekitar nilai rata-
rata yang konstan (stasioner terhadap nilai rata-ratanya).

44
Gambar 3.1 Pola Horizontal
2. Pola Musiman (S) terjadi bilamana suatu deret dopengaruhi oleh faktor
musiman (misalnya kuartal tertentu)
Gambar 3.2 Pola Musiman
3. Pola Trend (T) terjadi bilamana terdapat kenaikan atau penurunan pada
jangka panjang dalam data.
Gambar 3.3 Pola Trend
4. Pola Siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan siklus bisnis.
Gambar 3.4 Pola Siklis
3.2.5 Metode Time Series

Time Series atau runtutan waktu adalah himpunan observasi data terurut
dalam waktu (Hanke&Wincern, 2005: 58). Metode time series adalah metode
peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan

45
diperkirakan dengan variabel waktu. Peramalan suatu data time series perlu
memperhatikan tipe atau pola data. Secara umum terdapat empat macam pola data
time series, yaitu horizontal, trend musiman, dan Sklis (Hanke dan Winchern,
2005: 158).
Pola horizontal merupakan kejadian yang tidak terdugadan dan bersifat
acak, tetapi kemunculannya dapat mempengaruhi fluktuasi data time series. Pola
trend merupakan kecenderungan arah data dalam jangka panjang, dapat berupa
kenaikan maupun penurunan. Pola musiman merupakan fluktuasi dari data yang
terjadi secara periodik dalam kurun waktu satu tahun, seperti triwulan, kuartal,
bulanan, mingguan, atau harian. Sengankan pola siklis merupakan fluktuasi dari
data untuk waktu yang lebih dari satu tahun. Metode time series dibagi menjadi 3
metode yaitu:
1. Metode Smoothing
Metode ini dipergunakan untuk mengatur data pada masa lalu sesuai dengan
musimian data yang terjadi, dengan cara mecari rata-rata sederetan data
hingga memiliki jarak dan jumlah data yang cenderung/hamper seimbang:
a. Simple Moving Average
Moving Average adalah indikator yang menghitung harga rata-rata
suatu aset dalam periode waktu tertentu, kemudian menghubungkannya
dalam bentuk garis. Nilai rata-rata bisa berasal dari harga pembukaan
(open), penutupan (close), tertinggi (hight), terendah (low), ataupun
pertengahan (median) (Niko Ramadhani, 2021). Moving Average
adalah bagian dari indikator logging. Artinya, metode ini berlandaskan
peristiwa sebelumnya dan menerangkan informasi mengenai data
riwayat pasar. Kegunaannya bukan sebagai alat prediksi, melainkan
memberi konfirmasi. Terdapat beberapa model simple moving average
antar lain (Rosdiani, 2018) dapat dilihat pada persamaan berikut:
yt−1+ yt−2+ …+ yt−n

M t =Y t +1=
n

46
Keterangan:
Mt = Rata-rata bergerak pada periode t
Y t +1 = Nilai ramalan periode berikutnya
Yt = Jumlah data pada rata-rata bergerak
b. Weight Moving Average

Metode rata-rata tertimbang (Weight Moving Average) ini sama dengan
rata-rata bergerak, tetapi nilai terbaru dalam deret berkala diberikan
beban lebih besar untuk menghitung peramalan (Alfarisi, 2017).
Metode Weight Moving Average diberikan bobot yang berbeda untuk
setiap data historis masa lalu yang tersedia, dengan asumsi bahwa data
historis masa lalu yang tersedia, dengan asumsi bahwa data historis
yang paling terakhir atau terbaru akan memiliki bobot lebih besar
dibandingkan dengan data historis yang lama karena data yang paling
terakhir atau terbaru merupakan data yang paling relevan untuk
peramalan (Gofur & Dewi, 2013). Berikut adalah model dari rata-rata
bergerak tertimbang manurut Sofyan (2013) adalah sebagai berikut:
Y ' t =W 1 A t −1 +… .+W n At −n
Keterangan:
A = Permintaal aktual pada periode t
W1= Bobot (0 ≤ Wt ≤1) yang diberikan pada periode t-1 dsb
n = Jumlah Periode
c. Single Exponential Smoothing

Single Exponential Smoothing adalah metode yang menunjukkan
pembobotan menurun secara eksponensial terhadap nilai observasi yang
lebih tua. Yaitu nilai yang lebih baru diberikan bobot yang relative
yang lebih besar dibanding nilai observasi yang lebih lama. Metode ini
memberikan sebuah pembobotan eksponensial rata-rata bergerak dari
semua nilai observasi sebelumnya. Pada metode ini tidak dipengaruhi
oleh trend maupun musim. Rumusnya adalah sebagai berrikut:

47
Y ' c+1 =∝T t +( 1−∝)Y ' t
Keterangan:
Tt = Data permintaan pada periode t
α = Faktor/konstanta pemulusan
Y ' t +1 = Peramalan untuk periode t
3.2.6 Uji Kesalahan Peramalan

Uji kesalahan peramalan digunakan dengan membandingkan hasil
peramalan dengan data aktual. Menurut Sofyan (2013) makin kecil nilai kesalahan
maka makin tinggi tingkat ketelitian peramalan, demikian sebaliknya. Besarnya
kesalahan peramalan dapat dihitung dengan menggunakan beberapa metode
perhitungan, yaitu:
1. MAD (Mean Absolute Deviation)
Merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dari
kenyataan. MAD mengukur ketepatan ramalan dengan merata-rata
kesalahan dugaan (nilai absolut masing-masing kesalahan) serta MAD
memberikan bobot yang sama pada setiap nilai selisih peramalan dan aktual
dapat dilihat pada persamaan berikut:
MAD=∑ ¿ A t−¿ F ∨ ¿ ¿ ¿
t
n
Keterangan:
At = Permintaan Aktual pada periode-t
Ft = Peramalan permintaan pada periode-t
n = Jumlah periode permintaan yang terlibat
2. MSE (Mean Square Error)
Merupakan perhitungan eror dengan merata-ratakan kuadrat kesalahan.
Perhitungan eror ini memberikan pinalti pada selisih yang lebih besar

48
dibandinngkan selisih yang kecil melalui perhitungan kuadrat didapat

At −¿ F ∨¿
MAD=∑ ¿
2
persaman sebagai berikut: t

¿¿
n
Keterangan:
3. MAPE (Mean Absolute Percentage Error)

Merupakan rata-rata kesalahan mutlak selama periode tertentu yang
dikalikan 100% agar mendapatkan hasil secara persentase dan digunakan
jika ukuran variabel yang diramalkan sangat menentukan akurasi peramalan
dapat dilihat pada persamaan berikut:
100 Ft
MAPE=( ) ∑ ¿ A t − ∨¿ ¿
n At
Keterangan:
3.2.7 Sistem Produksi

Sistem Produksi adalah suatu rangkaian dari beberapa elemen yang saling
berhubungan dan saling menunjang antara satu dengan yang lain untuk mencapai
suatu tujuan tertentu (Nasution & Yudha, 2008). Dalam proses produksinya
mempunyai elemen-elemen utama yaitu input, proses, dan output. Menurut
Gaspersz (1998), konsep dasar sistem produsi terdiri dari:
1. Elemen Input dalam Sistem Produksi
Elemen input dapat diklasifikasikan kedalam dua jenis, yaitu: input tetap
(fixed input) merupakan input produksi yag tingkat penggunaannya tidak
bergantung pada jumlah output yang akan diproduksi. Sedangkan input
variabel (variable input) merupakan input produksi yang tingkat
penggunaannya bergantung pada output yang akan diproduksi. Dalam

49
sistem produksi terdapat beberapa input baik variabel maupun tetap adalah
sebagai berikut:
a. Tenaga Kerja (labor)
Operasi sistem produksi membutuhkan campur tangan manusia dan
orang-orang yang terlibat dalam proses sistem produksi. Input tenaga
kerja yang termasuk diklasifikasikan sebagai input.
b. Modal
Operasi sistem produksi membutuhkan modal. Berbagai macam fasilitas
perralatan, mesin produksi, bangunan, gudang, dapat dianggap sebagai
modal. Dalam jangka pendek modal diklasifikasikan sebagai input
variabel.
c. Bahan Baku
Bahan baku merupakan faktor penting karena dapat menghasilkan suatu
produk jadi. Dalam hal ini bahan baku diklasifikasikan sebagai input
variabel.
d. Energi
Dalam aktivitas produkai membutuhkan banyak energi untuk
menjalankan aktivitas seperti untuk menjalankan mesin dibutuhkan
energi berupa bahan bakar atau tenaga listrik, air untuk keperluan
perusahaan. Input energi diklasifikasikan dalam input tetap atau input
variabel tergantung dengan penggunaan energi itu tergantung pada
kuantitas produksi yang dihasilkan.
e. Informasi
Informasi sudah dipandang sebagai input tetap karena digunakan untuk
mendapatkan berbagai macam informasi tentang: kebutuhan atau
keinginan pelanggan, kuantitas permintaan pasar, harga produk dipasar,
perilaku pesaing diapasar, peraturan eksport import, kebijakasanaan
pemerintah, dan lain-lain.

50
f. Manajerial
Sistem perusahaan saat ini berada pada pasar global yang sangat
kompetitif membutuhkan tenaga ahli untuk meningkatkan performansi
sistem itu secara terus-menerus.
4. Proses dalam Sistem Produksi

Proses dalam sistem produksi dapat didefinisikan suatu kegiatan melalui
suatu aliran material dan informasi yang mentransformasikan berbagai input
ke dalam output yang bertambah tinggi.
5. Elemen Output dalam Sistem Produksi

Output dari proses dalam sistem produksi dapat berbentuk barang atau jasa.
Pengukuran karateristik output sebaiknya mengacu pada kebutuhn atau
keinginan pelanggan dalam pasar. Pengukuran pada tingkat output sistem
produksi yang relevan adalah mempertimbangkan kuantitas produk,
efisiensi, efektifitas, fleksibilitas, dan kualitas produk.
3.2.8 Karakteristik Proses Produksi

Ada beberapa fungsi dalam mengelola kegiatan produksi. Berikut adalah
beberapa karakteristik yang didasarkan pada proses, jenis, dan jangka waktu, berikut
penjelasannya:
1. Berdasarkan proses
a. Produksi langsung adalah Kegiatan ini mencakup produksi primer dan
produksi sekunder. Produksi primer yaitu kegiatan produksi langsung
dari alam.
b. Produksi tidak langsung adalah Kegiatan produksi dengan memberikan
hasil dari keterampilan atau layanan.
2. Berdasarkan sifat
a. Proses ekstraktif adalah proses dimana produk diperoleh langsung dari
alam.
b. Proses analitik adalah dimana produk tambahan diproduksi dalam bentuk
yang mirip dengan aslinya.

51
c. Proses fabrikasi adalah proses transformasi bahan baku menjadi produk

baru.
d. Proses sintetik adalah proses yang menggabungkan beberapa bahan
dalam satu bentuk produk. Proses ini juga disebut sebagai perakitan.
3. Berdasarkan Jangka Waktu

a. Produksi terus menerus
Produksi yang dilakukan dengan struktur yang berbeda digunakan untuk
terus menghasilkan produk. Proses ini biasanya dalam skala besar dan
tidak terpengaruh oleh waktu atau musim.
b. Produksi terputus-putus
Produksi yang memiliki kegiatan tidak pernah dilakukan, tergantung
pada musim, pesanan dan faktor lainnya.
3.2.9 Macam-macam Proses Produksi

Menurut N.W. Mahdiyah (2019) proses produksi adalah suatu cara, metode
ataupun teknik menambah kegunaan suatu barang atau jasa dengan menggunakn
faktor-faktor yang ada seperti: tenaga kerja, mesin, bahan baku dan dana agar lebih
bermanfaat bagi kebutuhan manusia.
Proses produksi dilihat dari arus atau flow bahan mentah sampai menjadi
produk akhir, terbagi menjadi dua, yaitu proses produksi terus menerus (Continuous
Process) dan proses produksi terputus-putus (Intermittent Process). Berikut
penjelasan proses produksi terus-menerus dan proses produksi terputus-putus:
a. Proses produksi terus-menerus (Continuous Process)
Proses produksi terus-menerus adalah proses produksi barang atas dasar
alilran produk dari satu operasi ke operasi berikutnya tanpa penumpukan di
suatu titik dalam proses. Pada umumnya, industri yang cocok dengan tipe
ini adalah yang memiliki karakteristik yaitu output direncanakan dalam
jumlah besar, variasi atau produk yang dihasilkan rendah dan produk
bersifat standart.

52
b. Proses produksi terputus-putus (Intermittent Process)

Proses produksi terputus-putus adalah produksi proses dalam kumpulan
produk bukan atas dasar aliran terus menerus dalam produk ini. Perusahaan
yang menggunakan tipe ini biasanya terdapat sekumpulan atau lebih
komponen yang akan diproses atau menunggu diproses, sehingga lebih
banyak memerlukan persediaan barang dalam proses.
3.2.10 Strategi Respon Produksi

Dalam memenuhi permintaan konsumen, perusahaan-perusahaan yang
bergerak dalam bidang manufacturing biasanya menerapkan strategi-strategi respon
produksi yang berbeda-beda. Jadi pada dasarnya, yang dimaksud dengan strategi
respon produksi terhadap permintaan konsumen adalah respon atau tanggapan suatu
perusahaan manufaktur dalam merealisasikan permintaan konsumen sesuai dengan
waktu dan jumlah yang diperlukannya. Adapun jenis-jenis strategi respon produksi
terhadap permintaan konsumen salah satunya adalah Make to Stock (MTS).
Make to Stock merupakan strategi respon produksi terhadap pemenuhan
permintaan konsumen dimana perusahaan manufaktur telah melakukan proses
produksi menjadi produk barang-barangn jadi sebelum adanya pemesanan dari
konsumen. Sehingga apabila ada pesanan produk barang dimaksud dari konsumen,
perusahaan manufaktur dapat langusng mengirimkan produk barang tersebut
kepada konsumen. Strategi jenis ini sering digunakan oleh perusahaan manufaktur
yang membuat barang-barang konsumsi, seperti peralatan rumah tangga, bahan-
bahan pokok, dan lain-lain
3.2.11 Pola Aliran Bahan untuk Proses Produksi

Pola aliran yang dipakai untuk pengaturan aliran bahan dalam proses
produksi yang teridiri dari 5 (lima), yaitu sebagai berikut:
1. Straight Line
Pola aliran berdasarkan garis lurus dipakai bilamana proses berlangsung
singkat relatif sederhana dan umumnya terdiri dari beberapa komponen atau

53
beberapa macam production equipment. Beberapa keuntungan memakali

pola aliran berdasarkan garis lurus antara lain:
a. Jarak terpendek antara 2 titik.
b. Proses berlangsung sepanjang garis lurus yaitu dari mesin nomor satu
sampai dengan nomer terakhir.
c. Jarak perpindahan bahan secara total kecil.
2. Zig-Zag (S-Shape)
Pola aliran berdasarkan garis-garis patah ini sangat baik ditetapkan
bilamana aliran proses produksi menjadi lebih panjang dibandingkan
dengan luas area yang ada. Untuk itu aliran bahan akan dibelokkan untuk
menambah panjangnya garis aliranyang ada secara ekonomis, hal ini akan
dapat mengatasi segala keterbatasan dari area, bentuk serta ukuran pabrik
yang ada.
3. U-Shaped
Pola aliran ini akan dipakai bilamana dikehendaki bahwa akhir dari proses
produksi akan berada pada lokasi yang sama dengan awal proses
produksinya. Hal ini akan mempermudah pemanfaatan fasilitas transportasi
dan juga akan mempermudah pengawasan untuk keluar massuknya material
dari dan menuju pabrik. Apabila garis aliran relatif panjang maka pola U-
Shape ini tidak efisien dan untuk ini lebih baik digunakan pola aliran bahan
zig-zag.
4. Circular
Pola aliran berdasarkan bentuk lingkaran ini sangat baik dipergunakan
bilamana dikehendaki untuk mengembalikan material atau produk pada titik
awal aliran produksi. Aliran ini juga sangat baik apabila departemen
penerimaan dan pengiriman materiaal atau proyek jadi direncanakan untuk
berada padaa lokasi yang sama dalam pabrik yang bersangkutan.

54
5. Odd-Angle
Pola aliran ini berdasarkan odd-angle tidaklah begitu dikenal dibandingkan
dengan aliran yang ada. Adapun beberapa keuntungan yang ada bila
memakai pola antara lain:
a. Bilamana tujuan utamanya adalah untuk memperoleh garis aliran yang
pendek diantara suatu kelompok kerja dari area yang saling berkaitan.
b. Bilama proses handling dilaksanakan secara mekanis.
c. Bilamana ada keterbatasan ruangan yang menyebabkan pola aliran yang
lain terpaksa tidak diterapkan.
d. Bila dikehendaki adanya pola aliran yang tetap dari fasilitas-fasilitas
yang ada. Odd-angel ini akan memberikan lintasan yang pendek dan
terutama untuk area kecil.
3.2.12 Peramalan dengan software

Saat ini sudah banyak alat bantu perangkat lunak yang ditawarkan untuk
kemudahan dalam melakukan peramalan, seperti Crystal Ball Predictor, Minitab
14, SPSS, POM for Windows, dan QM for Windows. Karena model peramalan yang
dijelaskan diatas sesuai dengan yang ada pada QM for Windows, maka perangkat
lunak inilah yang akan dipakai. Cara penggunaanya ditampilkan dalam langkah –
langkah sebagai berikut:
1. Buka program QM dan pilih Module – Forecasting.
2. Ambil menu File – New – Time Series Analysis. Selanjutnya akan muncul
sebuah window “Create data set for Forecasting/ Time Series Analysis”.
3. Pada window tersebut, masukkan judul peramalan yang dinginkan (Title),
dan jumlah periode data historis yang akan dipakai sebagai dasar peramalan
(Past Period). Kemudian pilih nama yang hendak dimunculkan pada setiap
baris nama periode nantinya, apakah hendak menggunakan huruf, angka,
atau bulan. Setelah selesai, klik tombol OK.

55
Gambar 3.5 Penyetelan Data Pada QM For Windows
3.3 Metode Penelitian

Metode penelitian akan menjelaskan mengenai langkah-langkah dalam
menyusun penelitian dari mulai tahap awal sampai akhir. Tahapan ini merupakan
urutan proses guna mendapatkan data yang akan dipakai untuk penelitian dalam
memecahkan suatu permasalahan sehingga penelitian yang dilakukan dapat berjalan
secara sistematis dan terarah. Pada bab ini menjelaskan mengenai tahap-tahap yang
akan dilakukan adalah sebagai berikut:
1. Tahap identifikasi masalah
2. Tahap pengumpulan data
3. Tahap pengolahan data
4. Tahap analisa, pembahasan, dan kesimpulan
Untuk mempermudah pemahaman tentang metode penelitian yang akan

dilakukan, maka dijelaskan sebagai berikut:
3.3.1 Tahap Identifikasi

Merupakan tahapan awal dalam penelitian untuk menjelaskan latar belakang
masalah yang akan dijadikan bahan penelitian di PT. Garam (Persero)-Segoromadu
Gresik, selanjutnya dilakukan perumusan masalah dan menetapkan tujuan dari
topik penelitian, serta menentukan asumsi dan batasan dari penelitian agar
pembahasan tidak melebar. Kemudian dilakukan studi literature dan lapangan guna
mendukung jalannya penelitian dan memperoleh data yang diperlukan.

56
3.3.2 Identifikasi Masalah dan Perumusan Masalah

Tahap ini dilakukan untuk mengidentifikasi dan merumuskan masalah
dengan melakukan diskusi dan juga brainstorming dengan pihak perusahaan terkait
tentang masalah yang ada pada PT. Garam (Persero)-Segoromadu Gresik. Setelah
diketahui sumber permasalahannya, selanjutnya pada tahap ini dapat ditarik sebagai
dasar perumusan masalah untuk kemudian dicari solusi penyelesaiannya, karena
perumusan masalah akan berhubungan secara langsung dalam tujuan penelitian ini
dilakukan.
3.3.3 Tujuan Penelitian

Penentuan tujuan penelitian merupakan bantuk sasaran dari permasalahan
yang telah diidentifikasi dalam rumusan penelitian. Tahap ini menggambarkan
tujuan yang akan dicapai dari permasalahan yang diangkat pada penelitian ini.
Adapun tujuan dari penelitian ini yaitu menentukan peramalan penjualan PT.
Garam (Persero)-Segoromadu Gresik dengan menggunakan metode time series.
3.3.4 Studi Pustaka

Studi penelitian dalam sebuah penelitian menjelaskan mengenai teori-teori
yang berkaitan dengan permasalahan yang akan diselesaikan untuk mencapai tujuan
yang diharapkan. Teori ini yang didapatkan di bangku perkuliahan dan
dihubungkan dengan keadaan yang sebenarnya terjadi di dunia kerja nyata. Dengan
memahami teori yang didapatkan berupa buku, jurnal, skripsi diharapkan dapat
mempermudah peneliti untuk menyelesaikan permasalahan yang terjadi saat
penelitian. Adapun teori-teori yang digunakan dalam penelitian ini yaitu mengenai
peramalan dengan metode time series untuk menentukan jumlah produksi garam
untuk periode selanjutnya.

57
3.3.5 Studi Lapangan

Kegiatan studi lapangan dilakukan di PT. Garam (Persero)-Segoromadu
Gresik dibagian produksi. Studi lapangan digunakan untuk mengetahui keadaan riil
di perusahaan dengan menggunakan materi yang didapatkan dari berbagai sumber
terkait.
3.3.6 Tahap Pengumpulan Data

Suatu Metode pengumpulan data yang dilakukan peneliti untuk
mendapatkan data dan informasi dari objek penelitian. Dalam penelitian ini jenis
data yang digunakan yaitu data primer dan data sekunder. Data primer diperoleh
melalui wawancara dan observasi langsung yang dilakukan guna memperoleh
informasi yang dibutuhkan seperti banyaknya produksi yang dihasilkan dalam
kurung waktu satu bulan. Data sekunder diperoleh dari dokumen dan arsip dari data
masa lampau yang terdapat pada PT. Garam (Persero)-Segoromadu Gresik.
3.3.7 Tahap Pengolahan Data

Pada tahap pengolahan data ini merupakan tahap dimana informasi dan data
yang sudah diperoleh dari perusahaan kemudian diolah dengan menggunakan
metode peramalan time series. Adapun proses pengolahan data ini dimulai dengan
mengumpulkan data masa lampau jumlah penjualan garam Lososa selama 6 bulan
terakhir lalu diolah menggunakan metode peramalan time series.
3.3.8 Tahap Analisa dan Pembahasan

Pada tahap ini merupakan dilakukannya analisa dan pembahasan
berdasarkan hasil yang diperoleh dari tahap pengolahan data. Analisa yang
dilakukan terkait perbaikan yang diterapkan di perusahaan menggunakan metode
peramalan time series. Setelah dianalisis selanjutnya dilakukan pembahasan, hasil
pengolahan data selanjutnya akan diinterupsikan agar menjawab permasalahaan
dari tujuan penelitian dengan merujuk pada teori-teori yang telah dijelaskan pada
studi pustaka.

58
3.3.9 Kesimpulan dan Saran

Setelah dilakukan analisis dan pembahasan maka peneliti dapat menarik
kesimpulan dari pengolahan data yang telah dilakukan yang merupakan hasil akhir
dari penelitian yang sudah dilakukan. Sehingga dapat memberikan saran-saran
penting agara perusahaan dapat menerapkan sistem peramalan time series dengan
tepat dan berguna untuk kemajuan penelitian selanjutnya.

59
3.3.10 Flowchart Penelitian
Gambar 3.6 Flowchart Metodologi Penelitian

60
3.4 Pengumpulan Dan Pengolahan Data

3.4.1 Pengumpulan Data
Dari departemen perencanaan dan pengendalian produksi diperoleh data
penjualan produk garam pada bulan Mei 2021 hingga Oktober 2021 dan data
tersebut dapat dilihat pada Tabel 3.1:
Tabel 3.1 Data Penjualan Garam Lososa Periode Mei 2021-Oktober 2021
Penjulan
No Tahun Bulan
(Kg)
1 2021 Mei 4,052
2 2021 Juni 5,213
3 2021 Juli 3,880
4 2021 Agustus 3,820
5 2021 September 5,448
6 2021 Oktober 3,552
Berdasarkan jangka waktu, peramalan penjualan yang dilakuakn di PT.

Garam (Persero)-Segoromadu Gresik termasuk dalam peramalan jangka menengah.
Sedangkan bila berdasarkan pendekatan/metode maka peramalan penjualan PT.
Garam (Persero)-Segoromadu Gresik termasuk dalam peramalan kuantitatif. Hal ini
dikarenakan peramalan dilakukan berdasarkan data-data historis berupa angka.
Langkah-langkah yang dilakukan untuk melakukan peramalan adalah:
1. Menentukan pola data.
2. Menentukan metode sesuai dengan pola data.
3. Menghitung uji kesalahan dengan memilih uji kesalaha/error terkecil.
4. Melakukan verifikasi peramalan dengan membuat moving range chart.
Data yang digunakan adalah data penjualan garam pada bulan Mei 2021-
Oktober 2021. Data tersebut yang akan digunakan untuk meramalkan penjualan
periode selanjutnya. Data penjualan tersebut dapat dilihat pada Tabel 3.1.
Metode yang akan digunakan adalah metode time series. Data kemudian
diplotkan dalam grafik sehingga hasil yang didapatkan dilihat dari naik/turunnya
permintaan. Plot ini berguna untuk menentukan pola data nantinya akan

61
berpengaruh terhadap metode peramalan yang akan digunakan. Data tersebut dapat
dilihat pada Gambar 3.7 berikut:
6,000
Pola Data Penjualan Garam
5,448
5,213
5,000
4,000 4,052
3,880 3,820
3,552
3,000 Pen-
Series1
jualan
Garam
2,000
1,000
0
1 2 3 4 5 6
Gambar 3.7 Pola Data Penjualan Garam Lososa Periode Mei 2021- Oktober 2021
Gambar di atas adalah data penjualan garam lososa pada periode Mei 2021–
Oktober 2021, dapat dilihat bahwa pola data untuk penjualan adalah pola data
siklis. Maka metode yang akan digunakan yaitu sebagai berikut:
1. Moving Average 3
2. Weighted Moving Average 3
3. Single Exponential Smoothing
Sedangkan untuk perhitunngan kesalahan yang digunakan dalam pemilihan metode

peramalan yang terbaik adalah sebagai berikut:
1. Mean Square Error (MSE)
2. Mean Absolute Percentage Error (MAPE)
3. Mean Absolute Deviation (MAD)
Perhitungan ukuran kesalahan metode digunakan untuk memilih metode

mana yang paling tepat. Sedangkan verifikasi metode dilakukan untuk memastikan
jika metode tersebut baik untuk digunakan.

62
3.4.2 Pengolahan Data

1. Metode Time Series
a. Metode Moving Average 3
Moving Average 3 merupakan metode peramalan yang dilakukan dengan
cara menjumlahkan data permintaan pada 3 periode sebelumnya
kemudian dibagi 3, atau dapat dikatakan dengan merata-ratakan data
permintaan pada 3 periode sebelumnya. Berdasarkan perhitungan
peramalan menggunakan software POM QM dengan metode moving
average:
Gambar 3.8 Perhitungan Peramalan Moving Average
b. Metode Weighted Moving Average 3 (WMA 3)

Weighted Moving Average 3 dilakukan dengan cara memberikan
pembobotan pada data permintaan aktual 3 bulan terakhir. Peramalan
dimulai pada bulan Mei 2021. Berdasarkan perhitungan peramalan
menggunakan software POM QM dengan metode weighted moving
average:

63
Gambar 3.9 Perhitungan Peramalan Weighted Moving Average
c. Metode Single Exponential Smoothing

Perhitungan peramalan dengan metode Single Exponential Smoothing
adalah dengan cara mencari koefisien α terlebih dahulu. Kemudian
perhitungan peramalan dilakukan dengan mengalikan α dengan
permintaan aktual, kemudian hasilnya dijumlahkan dengan hasil dari 1
dikurang α dikalikan dengan peramalan pada periode sebelumnya. Dalam
penelitian ini diasumsikan nilai α adalah 0,31. Berdasarkan perhitungan
peramalan menggunakan software POM QM dengan metode Single
Exponential Smoothing:

64
Gambar 3.10 Perhitungan peramalan Single Exponential Smoothing
2. Perhitungan Ukuran Kesalahan

Untuk menentukan metode peramalan yang tepat untuk digunakan, maka
dilakukan perhitungan ukuran kesalahan. Pada penelitian ini, perhitungan
ukuran kesalahan dilakuka dengan beberapa metode, yaitu:
a. Mean Square Error (MSE)
Rata-rata kesalahan kuadrat diperoleh dengan menjumlahkan hasil
kuadrat dari pengurangan permintaan aktual dan hasil peramalannya
untuk kemudian dibagi dengan jumlah periode waktu. Berikut nilai MSE
untuk masing-masing metode peramalan.
Tabel 3.2 Nilai Mean Square Error (MSE)

Metode MSE
Moving Average 771149.8
Weighted Moving Average 3 795378.5
Single Exponential Smoothing 908715.9
Disini terlihat jika error terkecil ada pada metode Moving Average 3
sehingga metode ini bisa di katakana ideal karena tingkat kesalahan nya
terkecil di bandingkan dengan metode lainnya.

65
b. Mean Absolute Error (MAPE)

Nilai rata-rata persentase kesalahan didapatkan dengan cara
menjumlahkan nilai mutlak persentase pengurangan antara permintaan
aktual dan peramalan. Berikut nilai MAPE dari masing-masing metode
peramalan.
Tabel 3.3 Nilai Mean Absolulte Error (MAPE)

Metode MAPE
Moving Average 19.60%
Weighted Moving Average 3 19.95%
Single Exponential Smoothing 19.82%
Disini terlihat jika error terkecil ada pada metode Moving Average 3.
Metode ini bisa dikatakan ideal karena tingkat kesalahannya terkecil di
bandingkan dengan metode lainnya.
c. Mean Absolute Deviation (MAD)

Rata-rata standart deviasi absolut merupakan rata-rata dari standart
deviasi yaitu pengurangan dari angka permintaan aktual dan
peramalannya. Berikut hasil perhitungan MAD untuk masing-masing
metode.
Tabel 3.4 Nilai Mean Absolute Deviation (MAD)

Metode MAD
Disini terlihat jika error terkecil ada pada metode moving average 3
metode ini bisa dikatakan ideal karena tingkat kesalahannya terkecil di
bandingkan dengan metode lainnya.

66
3.5 Analisa Hasil Pengolahan Data

Dari pengolahan data yang telah dilakukan sebelumnya mengenai
peramalan menggunaka metode time series (Simple Moving Average, Weighted
Moving Average dan Single Exponential Smoothig) dan perhitungan ukuran
kesalahan (Mean Square Error, Mean Absolute Error dan Mean Absolute
Deviation). Mean Average Deviation (MAD) merupakan rata-rata kesalahan mutlak
selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar
atau lebih kecil diabandingkan kenyataannya. Nilai MAD terkecil terdapat pada
metode Moving Average yaitu 845.33. Mean Square Error (MSE), merupakan
penjumlahan kuadrat bias dalam perioide tertentu. Dengan menggunakan nilai
kuadrat dari tiap periode maka tidak terlihat apakah hasil peramalan lebih besar
atau lebih kecil. Nilai MSE terkecil terdapat pada metode Moving Average yaitu
771149.8. Mean Absolute Percentage Error (MAPE) merupakan perbandingan
jumlah absolute dari error dengan jumlah periode dari sebuah peramalan. MAPE
merupakan kesalahan relatife. Nilai MAPE terkecil terdapat pada metode Moving
Average yaitu sebesar 19.60%.
Hal ini menunjukkan bahwa metode peramalan yang memiliki nilai ukuran
kesalahan yang paling baik adalah perhitungan peramalan dengan menggunakan
metode Moving Average. Dapat dilihat pada Tabel 3.5 menunjukkan bahwa metode
peramala yang memiliki nilai ukuran kesalahan yang paling baik adalah
perhitungan peramalan dengan menggunakan metode Moving Average.
Tabel 3.5 Ukuran Kesalahan Masing-masing Metode Peramalan

Nilai Ukuran Kesalahan
Metode
MSE MAPE MAD
Moving Average 771149.8 19.60% 845.33
Weighted Moving Average 3 795378.5 19.95% 862.51
Single Exponential Smoothing 908715.9 19.82% 885.85
Berdasarkan Tabel 3.5 hal ini menunjukkan bahwa metode peramalan yang
memiliki nilai ukuran kesalahan yang paling baik adalah perhitungan peramalan
dengan menggunakan metode Moving Average. Berikut merupakan data hasil
peramalan next period untuk perhitungan time series:

67
Tabel 3.6 Jumlah Perhitungan Next Period Metode Time Series

Jumlah Periode
Metode
selanjutnya
Berdasarkan pada Tabel 3.5 dan Tabel 3.6 diatas maka dapat dilihat bahwa
untuk nilai ukur kesalahan yang paling optimal adalah perhitungan menggunakan
moving average. Metode moving average dinilai baik digunakan karena metode ini
menggunakan perhitunan data berdasarkan peristiwa sebelumnya dan menerangkan
informassi mengenai data riwayat pasar. Dengan nilai ukur kesalahan sebesar
771149.8 untuk MSE, 19.60% untuk MAPE dan 845.33 untuk MAD dapat
menghasilkan besar jumlah periode selanjutnya adalah sebesar 4273.33.

68
3.6 Kesimpulan dan Saran

3.6.1 Kesimpulan
Berdasarkan hasil penelitian, pengolahan dan analisis data yang telah
dilakukan mengenai analisis peramalan produksi garam pada PT. Garam (Persero)-
Segoromadu Gresik menggunakan metode time series dan uji nilai ukur kesalahan,
maka dapat ditarik kesimpulan yang optimal atas tujuan dilakukannya penelitian ini
sebabagi berikut:
1. Cara sistem produksi di PT. Garam (Persero)-Sesgoromadu Gresik adalah
dengan mula-mula bahan baku yang dimasukkan ke mesin hopper (untuk
penampungan sementara), dilanjutkan proses Rollmill untuk pengecilan
ukuran setelah itu ke pre washer (pencucian garam tahap 1), Proses Washer
classfire (pencucian tahap 2), Proses pada mesin Centrifuge (mesin
pemisahan garam dengan air) lalu di Proses Vibrating Dryer (mesin
pengering), Proses vibrating screen (proses pengayakan), Proses Overmill
Oversize (pengecilan ukuran produk jadi), Proses Sillo produk
(penampungan produk jadi), dan terakhir adalah proses Packing
(pengemasan).
2. Berdasarkan perhitungan menggunakan metode time series yang telah

dilakukan dapat di anailisis bahwa peramalan mengunakan metode time
series pada penjualan garam di PT. Garam (Persero)-Segoromadu Gresik
adalah sebesar 4273.33 untuk metode Moving Average, 4485.6 untuk medoe
Weighted Moving Average dan 4225.43 untuk metode Single Exponential
Smoothing.
3. Merujuk pada Tabel 3.5 dapat disimpulkan bahwa untuk metode peramalan
permintaan yang cocok untuk digunakan PT. Garam (Persero)-Segoromadu
Gresik dengan menggunakan metode Moving Average dengan nilai sebesar
771149.8 untuk Mean Square Error, 19.60% untuk Mean Absolute
Percentage Error dan 845.33 untuk Mean Absolute Deviation.

69
3.6.2 Saran
Beberapa saran yang dapat diberikan untuk penelitian selanjutnya dan untuk
perusahaan adalah sebagai berikut:
1. Bagi penelitian selanjutnya penelitian ini dapat dijadikan dasar dan juga bisa
dikembangkan secara luas.
2. Disaran untuk penelitian lain adalah untuk memperpanjang periode waktu
penelitian dan menambahkan jumlah produk yang akan diteliti.

70

BAB III Materi Khusus PPIC

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

BAB III Materi Khusus PPIC

Diunggah oleh

Hak Cipta:

Format Tersedia

Laporan Kerja Praktek

Jurusan Teknik Industri

Institus Teknologi Adhi Tama Surabaya - ITATS

Institus Teknologi Adhi Tama Surabaya - ITATS

parameter produksi dengan baik, sehingga diharapkan keuntungan perusahaan akan

3.1.2 Rumusan Masalah

Institus Teknologi Adhi Tama Surabaya - ITATS

3.1.3 Tujuan Penelitian

3.1.4 Manfaat Penelitian

2. Adapun manfaat yang didapatkan oleh institusi adalah:

3. Adapun menfaat yang didapatkan oleh peneliti adalah:

Institus Teknologi Adhi Tama Surabaya - ITATS

b. Dapat menerapkan ilmu yang didapatkan dari bangku kuliah untuk

4. Adapun manfaat yang didapatkan oleh Pembaca adalah:

3.1.4 Batasan Penelitian

3.1.5 Asumsi Penelitian

Institus Teknologi Adhi Tama Surabaya - ITATS

3.2 Studi Pustaka

d. Menyusun rencana agregat (penyesuaian permiintaan dengan kapasitasas)

Institus Teknologi Adhi Tama Surabaya - ITATS

e. Membuat Jadwal Induk Produksi (JIP)

g. Monitoring dan pelaporan pembebanan kerja dibanding kapasitas produksi.

Institus Teknologi Adhi Tama Surabaya - ITATS

h. Evaluasi skenario pembebanan dan kapasitas.

Fungsi-fungsi dalam praktik tidak semua perusahaan melaksanakannya.

3.2.2 Pengertian Perencanaan Produksi

Institus Teknologi Adhi Tama Surabaya - ITATS

Dalam melakukan perencanaan produksi perlu dilakukan pemantauan dan

1. Fungsi dan Tujuan Perencanan Produksi

Institus Teknologi Adhi Tama Surabaya - ITATS

Adapun tujuan dari perencanan produksi menurut Hendra Kusuma (1999)

2. Manfaat Perencanaan Produksi

3. Jenis-jenis Perencanaan Produksi

Institus Teknologi Adhi Tama Surabaya - ITATS

1) Peramalan jangka panjang yaitu forecasting yang menggunakan analisis

b. Berdasarkan Fungsi Tujuan

c. Berdasarkan Ketersediaan Data

Institus Teknologi Adhi Tama Surabaya - ITATS

analisis berbeda-beda. Contoh metode kualitatif: penyelidikan,

3.2.3 Pengertian Peramalan

Institus Teknologi Adhi Tama Surabaya - ITATS

1. Fungsi dan Tujuan Peramalan

Fungsi dari peramalan akan diketahui saat mengambil keputusan.

Institus Teknologi Adhi Tama Surabaya - ITATS

b. Peramalan akan selalu memberikan informasi tentang ukuran kesaalahan,

c. Peramalan untuk jangka pendek selalu lebih akurat jika dibandingkan

4. Faktor-faktor Mempengaruhi Peramalan

Institus Teknologi Adhi Tama Surabaya - ITATS

b. Ramalan harus akurat dan tingkat keakuratannya harus dinyatakan. Hal

c. Ramalan harus dapat diandalkan dan harus berfungsi terus menerus.

Institus Teknologi Adhi Tama Surabaya - ITATS

d. Ramalan harus dinyatakan dalam unit yang bermakna. Perencanaan

f. Teknik peramalan harus sederhana untuk dipahami dan digunakan.

6. Langkah-langkah dalam Proses Peramalan

Institus Teknologi Adhi Tama Surabaya - ITATS

b. Memilih unsur apa yang akan diramal.

d. Memilih tipe model peramalan.

e. Mengumpulkan data yang diperlukan untuk melakukan peramalan.

7. Memvalidasi dan menetapkan hasil peramalan.

b. Menentukan rentan waktu

Institus Teknologi Adhi Tama Surabaya - ITATS

c. Memilih teknik peramalan

g. Mudah tidaknya penggunaan

3.2.4 Pola Data Permintaan