LANDASAN TEORI
hasil dari peramalan ini sering disebut sebagai ramalan penjualan (sales forecast)
(Samuel, dkk, 2020).
Lebih jauh dapat dikatakan bahwa fungsi forecasting (peramalan) adalah
sebagai suatu dasar bagi perencanaan. Seperti dasar bagi perencanaan kapasitas,
anggaran, perencanaan produksi dan inventori dan lain sebagainya. Aktivitas
peramalan hanya boleh dilakukan terhadap independent demand, sedangkan
dependent demand harus direncanakan atau dihitung (tidak diramalkan).
Peramalan berperan di beberapa bagian dalam organisasi, antara lain:
(Wirabhuana, dkk, 2001).
1. Menentukan kebutuhan sumber daya yang diperlukan. Semua organisasi harus
harus menentukan sumber apa saja yang diperlukan dalam jangka waktu
panjang. Keputusan ini tergantung pada peluang pasar, faktor lingkungan,
finansial, tenaga kerja, produk dan sumber teknologi.
2. Penambahan sumber daya. Waktu siklus (lead time) pembelian bahan baku,
rekrut tenaga kerja atau pembelian mesin dan peralatan dapat bervariasi dari
harian hingga tahunan. Peramalan dibutuhkan untuk menentukan kebutuhan
sumber daya dimasa yang akan datang.
3. Penjadwalan sumber daya yang ada. Penggunaan sumber daya membutuhkan
penjadwalan. Peramalan kebutuhan produk, material, 2 tenaga kerja, finansial
atau jasa merupakan masukan untuk melakukan penjadwalan.
Keterangan:
Mt = Moving Average untuk periode t
Ft+1 = Ramalan Untuk Periode t + 1
Yt = Nilai Riil periode ke t
n = Jumlah batas dalam moving average
2. Weighted Moving Average
Metode perhitungannya sama dengan rata-rata bergerak sederhana hanya
diberi koefisien penimbang. Penetapan besar koefisien penimbang dapat
dilakukan secara sembarang, tetapi pada ummnya besaran koefisien
penimbang periode terakhir dari data historis adalah dua kali daripada
koefisien penimbang periode sebelumnya. Berikut adalah Model dari rata-rata
bergerak tertimbang adalah sebagai berikut: (Lusiana dan Yuliarty, 2020).
Y' t = W 1 At-1 + W 2 At-2 + ⋯ W n At-n ...
(2.2)
Keterangan :
A = Permintaan aktual pada periode t
W1 = Bobot (0 ≤ Wt ≤1) yang diberikan pada periode t-1 dsb
N = Jumlah periode
3. Exponentials Smoothing
Exponentials Smoothing merupakan pengembangan dari metode moving
average, dalam metode peramalan dilakukan dengan mengulang secara terus
menerus dengan menggunakan data terbaru, setiap data diberi bobot, dua data
yang lebih baru diberi bobot yang lebih besar (Wiranti dan Dhamayanti,
2020)
F t-1 = α X t + ( 1- α ) F t ...
(2.4)
Keterangan:
t = Periode saat ini.
α = konstanta pemulusan antara 0,1 sampai 0,9
Xt = permitaan periode t
Ft = peramalan periode t
...(2.6)
n ( ∑ XY ) - ( ∑ X )( ∑ Y )
b= 2 ...(2.7)
n ( ∑ X ) - (∑ X )
2
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: (Lusiana dan Yuliarty, 2020).
MAD= ∑ |At+ Ft
n | ...
(2.8)
1. MSE (Mean Square Error)
rata-rata kuadrat kesalahan. Perhitungan eror ini memberikan pinalti pada
selisi yang lebih besar dibandingkan selisih yang kecil melalui perhitungan
kuadrat dapat dilihat pada persamaan berikut: (Lusiana dan Yuliarty, 2020).
( A t - Ft ) 2
MSE = …(2.9)
n
Keterangan:
At = Permintaan Aktual pada periode-t
Ft = Peramalan Permintaan pada periodet
N = Jumlah Periode Permintaan yang terlibat
2. MFE (Mean Forecast Error)
perhitungan eror ini dengan menjumlahkan semua kesalahan peramalan
selama periode dan membagi dengan jumlah periode. MFE sangat efektif
untuk mengetahui apakah suatu hasil peramalan selama periode tertentu
terlalu tinggi atau rendah, dapat dilihat pada persamaan berikut: (Lusiana dan
Yuliarty, 2020).
( At - F t )
MAD = ∑n ...(2.10)
n ) |
(100 ∑ A -A |
Ft
𝑀𝐴𝑃𝐸 = t ...
t
(2.11)
sistem yang dibutuhkan untuk memproduksi suatu jumlah keluaran dalam suatu
waktu tertentu. Istilah ketiga yang erat hubungannya dengan kapasitas dibutuhkan
adalah muatan (load). Load adalah jumlah pekerjaan yang ditugaskan atau
dibebankan pada suatu fasilitas untuk diselesaikan dalam suatu waktu tertentu
(Setiabudi, dkk, 2018)
Dalam kapasitas produksi, ada beberapa persamaan yang digunakan untuk
menghitung kapasitas produksi (Kusumaningrum, dkk,2018)
1. Kapasittas produksi waktu normal (reguler time)
tenaga kerja×hari kerja×jam kerja
Kapasitas Reguler time = ...
waktu baku
(2.13)