MODUL PRAKTIKUM

ANALISIS SISTEM

FORECASTING (PERAMALAN)

Oleh:
TIM ASISTEN

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS JENDRAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2020
 I. PENDAHULUAN

A. Latar Belakang

Dalam suatu industri agro maupun manufaktur proses produksi berkaitan

dengan perencanaan produksi sehingga produksi dalam suatu industri berjalan
secara terarah dan terstruktur sesuai dengan penjadwalan. Keteraturan dalam
produksi dapat meminimalisir biaya produksi karena keteraturan produksi dapat
mengarahkan produksi dalam hal jumlah produksi, sehingga tidak terjadi
penumpukan bahan jadi maupun bahan baku dalam proses produksi.
Meminimalisir bahan jadi maupun bahan baku yang menumpuk digudang tentu
saja dapat meminimalisir biaya berkaitan dengan pergudangan.
Salah satu metode yang dapat digunakan dalam proses perencanaan dan
pengendalian produksi adalah dengan forecasting (peramalan). Peramalan adalah
seni atau ilmu dalam memprediksikan kejadian yang akan datang. Dalam
forecasting dapat dibedakan menjadi forecasting secara kualitatif yaitu forecasting
hanya berdasarkan pendapat dan analisis deskriptif dan forecasting kuantitatif
yaitu forecasting yang berhubungan dengan perhitungan secara matematis. Dalam
praktikum perencanaan dan pengendalian produksi digunakan peramalan yang
bersifat kuantitatif. Dalam peramalan kuantitatif terdapat berbagai macam metode
yang digunakan yaitu salah satunya adalah dengan menggunakan bantuan
program WinQSB. Program WinQSB merupakan program komputer yang dapat
melakukan peramalan berkaitan dengan data-data berpola konstan, trend atau
musiman, dengan masing-masing dari pola data tersebut menggunakan metode
dalam WinQSB yang berbeda. Dalam pola-pola tersebut juga terdapat metode-
metode yang ada yang dapat digunakan untuk melakukan peramalan data.
 B. Tujuan

1. Praktikan dapat melakukan peramalan dengan menggunakan WinQSB

2. Praktikan dapat melakukan analisa terhadap hasil peramalan WinQSB
3. Praktikan dapat melakukan pemilihan terhadap metode peramalan yang
paling benar
4. Praktikan dapat mengaplikasikan WinQSB dengan menggunakan data secara
riil di lapangan.
 II. TINJAUAN PUSTAKA

Peramalan adalah penggunaan data atau informasi untuk menentukan kejadian

pada masa depan, dalam bentuk perhitungan atau prakiraan dari data yang lalu dan
informasi lainnya untuk penelitian terlebih dahulu prakiraannya.
a. Menurut Hery prasetya dan Fitri Lukiastuti ( 2009 )
Peramalan merupakan suatu usaha untuk meramalkan keadaan dimasa
yang akan datang melalui pengujian keadaan dimasa lalu.
b. Menurut Jay Heizer dan Barry Render ( 2006 )
Peramalan ( forecasting ) adalah seni atau ilmu untuk memperkirakan
kejadian dimasa depan.
c. Menurut Tim pengembangan Laboratorium Manajemen Menengah ( 2008)
Forecasting diartikan sebagai kegiatan analisis untuk memperkirakan
magnitude dan direction perubahan suatu variabel ekonomi bisnis (
permintaan barang dan jasa ) dimasa datang berdasarkan past data dan
present data.
(Anonim 1, 2013)
Peramalan atau forecasting adalah sebuah metode sebagai alat bantu untuk
melakukan suatu perencanaan yang efektif dan efisien, seperti peramalan terhadap
tingkat permintaan suatu produk atau atau beberapa produk dan
peramalanterhadap harga sembako dalam periode waktutertentu di masa yang
akan datang (Falevy, 2013)
Peramalan (forecasting) adalah kegiatan memperkirakan apa yang terjadi
pada masa yang akan datang berdasarkan data yang relevan pada masa lalu dan
menempatkannya ke masa yang akan datang dengan suatu bentuk model
matematis. Bisa juga merupakan prediksi intuisi yang bersifat subyektif,atau
dengan menggunaan kombinasi model matematis yang disesuaikan dengan
pertimbangan yang baik dari seorang manajer. Metode peramalan yang baik
adalah yang memberikan hasil peramalan yang tidak berbeda dengan kenyataan
yang terjadi.
 Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha
memperkirakan permintaan dan penggunaan produk sehingga produk-produk itu
dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan suatu dugaan
terhadap permintaan yang akan datang berdasarkan pada beberapa variabel
peramal, sering berdasarkan data deret waktu historis. Peramalan dapat
menggunakan teknik-teknik peramalan yang bersifat formal maupun informal.
Aktivitas peramalan ini biasa dilakukan oeh departemen pemasaran dan hasil-
hasil dari peramalan ini sering disebut sebagai ramalan permintaan (Gaspersz,
2004).
Penggolongan pola data produk dapat dibedakan menjadi tiga, yaitu antara
lain adalah data berpola konstan, trend dan musiman.
1. Data berpola konstan, yaitu apabila data berfluktuasi disekitar rata-rata
secara stabil, Polanya berupa garis lurus mendatar. Pola seperti ini
biasanya terdapat dalam jangka pendek atau menengah. Jarang sekali
variable memiliki pola konstan secara jangka panjang.
2. Data berpola trend, yaitu apabila data memiliki kecenderungan, baik
kecenderungan meningkat maupun kecenderungan menurun dari
waktu ke waktu. Pola ini diakibatkan oleh bertambahnya populasi,
perubahan pendapatan dan pengaruh budaya.
3. Data berpola musiman, yaitu apabila polanya merupakan gerakan yang
berulang-ulang secara teratur dalam setiap periode tertentu, misalnya
tahunan, triwulan, bulanan maupun mingguan. Pola ini biasanya
berhubungan dengan factor iklim/cuaca atau factor yang dibuat oleh
manusia seperti liburan dan hari besar. (Herjanto, 2013)
 III. METODOLOGI PRAKTIKUM

A. Alat dan Bahan

1. Program WinQSB
2. Data berpola konstan, trend dan musiman

B. Metode Praktikum

1. Data yang ada dimasukan dalam tabel Ms Excel ( 3 data )

2. Data-data tersebut diintepretasikan dalam bentuk line menggunakan
menu Insert kemudian pilih Line
3. Dari hasil intepretasi dalam bentuk grafik tersebut dilakukan analisa
apakah data termasuk dalam data konstan, trend atau musiman
4. Setelah mengetahui pola dari data dilakukan analisa peramalan
meggunakan program WinQSB berdasarkan jenis pola data
a. Data konstan
- Program WinQSB dibuka, kemudian memilih Forecasting and
Linear Regression
- Dalam menu File, pilih New Problem
- Dalam new problem pilih Time Series Forecasting untuk
Problem Type dan diketikan Peramalan dalam kolom Proble
Title, Month dalam Time Unit dan 36 dalam Number of Time
Units, kemudian klik OK
- Masukan data berpola konstan dari Ms Excel
- Lakukan analisis dengan memilih menu Solve and Analyze,
kemudian dipilih Perform Forecasting
- Dalam Forecasting method dipilih yang sesuai dengan pola
data konstan, dalam hal ini dipilih Simple Average (SA),
Method Parameters dipilih Assign values, dalam Search
 Criterion dipilih MAD dan Number of periods to forecast
diisikan 6 kemudian diklik ok
- Hasil peramalan diplotkan kedalam Excel dan dilakukan
verifikasi tracking signal dengan batas ± 3
- Hasil dilakukan analisa
b. Data trend
- Program WinQSB dibuka, kemudian memilih Forecasting and
Linear Regression
- Dalam menu File, pilih New Problem
- Dalam new problem pilih Time Series Forecasting untuk
Problem Type dan diketikan Peramalan dalam kolom Proble
Title, Month dalam Time Unit dan 36 dalam Number of Time
Units, kemudian klik OK
- Masukan data berpola konstan dari Ms Excel
- Lakukan analisis dengan memilih menu Solve and Analyze,
kemudian dipilih Perform Forecasting
- Dalam Forecasting Method dipilih yang sesuai dengan data
berpola trend dalam hal ini dipilih Double Exponential
smoothing with trend (DEST), Method parameter dipilih
Search the best, dalam Search Criterion dipilih MAD dan
Number of periods to forecast diisikan 6 kemudian diklik ok
- Hasil peramalan diplotkan kedalam Excel dan dilakukan
verifikasi tracking signal dengan batas ± 3
- Hasil dilakukan analisa
c. Data musiman
- Program WinQSB dibuka, kemudian memilih Forecasting and
Linear Regression
- Dalam menu File, pilih New Problem
- Dalam new problem pilih Time Series Forecasting untuk
Problem Type dan diketikan Peramalan dalam kolom Proble
 Title, Month dalam Time Unit dan 36 dalam Number of Time
Units, kemudian klik OK
- Masukan data berpola konstan dari Ms Excel
- Lakukan analisis dengan memilih menu Solve and Analyze,
kemudian dipilih Perform Forecasting
- Dalam Forecasting Method dipilih yang sesuai dengan data
berpola musiman dalam hal ini dipilih Holt Winters Additive
Algorithm (HWA), Method parameter dipilih Assign value,
dalam Search Criterion dipilih MAD dan Number of periods to
forecast diisikan 6 kemudian diklik ok
- Hasil peramalan diplotkan kedalam Excel dan dilakukan
verifikasi tracking signal dengan batas ± 3
- Hasil dilakukan analisa