Oleh:
ADITYAH MAULANA
202069030028
FAKULTAS TEKNIK
2022
BAB I
PENDAHULUAN
Pada saat ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada
suatu tantangan, yaitu adanya tingkat persaingan yang semakin ketat. Hal ini mengharuskan
perusahaan untuk dapat merencanakan semua parameter produksi dengan baik, termasuk
kapasitas produksi agar dapat memenuhi permintaan pasar dengan tepat waktu dan dengan
jumlah yang sesuai, sehingga diharapkan keuntungan perusahaan akan meningkat (Kurniawan
dan Wiwi, 2013).
Peramalan atau forecasting merupakan teknik atau cara kuantitatif dalam memperkirakan
apa yang akan terjadi pada masa mendatang, dan tentunya membutuhkan data-data masa
lampau sebagai acuan atau data historis (Lestari dan Wahyuningsih, 2012). Salah satu
manfaat peramalan penjualan adalah dapat memperkirakan penjualan secara akurat dari waktu
ke waktu sehingga dapat dibuat rencana produksi yang sesuai dengan perkiraan penjualan
(Munawar,2003). Data peramalan penjualan dapat digunakan sebagai dasar perencanaan
produksi untuk mencegah terjadinya over production yang mengakibatkan perusahaan
mengalami idle capital maupun under production yang menyebabkan perusahaan kehilangan
kesempatan dalam menjual hasil produksinya. Dengan adanya peramalan tersebut, maka
perusahaan dapat mencapai tujuan perusahaan serta pengambilan keputusan dalam
produksinya.
CV. HIKMAH BAHAGIA SAKTI yang berlokasi di Desa Nogosari, Kecamatan Pandaan
merupakan salah satu perusahaan yang bergerak dalam industri pangan yang memproduksi
produk Saus Sambal dengan berbagai macam ukuran kemasan. Saus Sambal memiliki volume
penjualan yang berfluktuasi setiap bulannya sehingga mengantarkan Perusahaan Saus Sambal
Tiga Anak pada kondisi permintaan masa depan yang penuh dengan ketidakpastian.
Persaingan bisnis yang begitu ketat, membuat pihak manajemen perusahaan dituntut untuk
dapat menentukan permintaan produk yang akan datang dan melakukan perencanaan
pembelian bahan baku yang sesuai kebutuhan dalam artian tidak berlebihan maupun tidak
kekurangan. Perusahaan Saus Sambal Tiga Anak mengalami over production pada tahun
2014 terutama untuk produk Saus Sambal botol ukuran 625 ml sebanyak 480 botol dan Saus
Sambal refill ukuran 625 ml sebanyak 576 bungkus, hal ini disebabkan karena belum adanya
penerapan metode peramalan dalam menentukan permintaan penjualan produk yang akan
datang. Saus Sambal kemasan botol dan Saus Sambal kemasan refill ukuran 625 ml dipilih
dalam penelitian ini karena merupakan produk yang diproduksi paling banyak dan paling
tinggi tingkat penjualannya.
Penelitian menggunakan metode peramalan moving average, exponential smoothing,
trend linier, dan trend non linier (trend kuadratik) dalam menganalisis peramalan penjualan
produk Saus Sambal. Pemilihan metode peramalan terbaik didasarkan pada tingkat kesalahan
prediksi, dimana semakin kecil tingkat kesalahan yang dihasilkan, semakin tepat sebuah
metode dalam memprediksi (Santoso, 2009). Perhitungan tingkat kesalahan yang digunakan
berupa Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute
Percent Error (MAPE). Tujuan penelitian ini adalah menentukan metode peramalan terbaik
untuk meramalkan penjualan produk Saus Sambal, serta melakukan analisis peramalan
penjualan Saus Sambal pada periode mendatang dengan menggunakan metode peramalan
terbaik pada Perusahaan Saus Sambal Tiga Anak di CV. HIKMAH BAHAGIA SAKTI.
Tabel 1.1 Penjualan saus sambal botol dan saus sambal refill 625 ml periode April 2021
sampai Maret 2022
Pola data penjualan berguna untuk melihat kestasioner data. Pola data penjualan saus
sambal botol dan saus sambal refill ukuran 625 ml dari periode April 2021 sampai dengan
Maret 2022 dapat dilihat pada gambar 1.2
Gambar 1.2 Pola Data Penjualan Saus Sambal Botol dan Saus Sambal Refill ukuran 625
ml periode April 2021 sampai Juni 2022
120
100
80
60
KM. Botol
40 KM. Refill
20
0
1 ei ni li s r r r r 2 ri et
r-2 M Ju Ju stu be obe be be 02 r ua ar
u m t m m 2
Ap Ag pt
e
Ok ve se ri Fe
b M
Se No De n ua
Ja
Berdasarkan data yang diberikan oleh pihak manajemen CV. HIKMAH BAHAGIA
SAKTI diperoleh data penjulan Saus Sambal botol dan Saus Sambal refill ukuran 625 ml
selama periode April 2021 sampai dengan Maret 2022 . Data penjualan periode sebelumnya
digunakan sebagai panduan untuk dapat melakukan metode peramalan. Menurut Raharja et al.
(2010), pola data stasioner terjadi jika terdapat data yang berfluktuasi disekitar nilai rata-rata
yang konstan. Berdasarkan hasil uji pola data diketahui bahwa data penjualan Saus Sambal
botol dan Saus Sambal refill ukuran 625 ml tidak stasioner, hal ini dapat dilihat dari
pergerakan data yang tidak berada diantara garis rata-rata yang konstan, tetapi lebih
menunjukkan adanya unsur trend. Unsur trend terlihat pada fluktuasi pergerakan data dari kiri
ke kanan yang cenderung meningkat. Pola data trend terjadi jika terdapat kenaikan atau
penurunan dalam jangka panjang selama periode waktu yang diamati (Ajeng, 2011).
Berdasarkan masalah yang telah terjadi pada latar belakang di atas, masalah-masalah
dapat didentifikasikan sebagai berikut:
Supaya masalah yang diteliti tidak meluas, maka perlu adanya batasan penelitian.
Adapun batasan penelitian yang diteliti yaitu terbatas pada:
1. Bagi Mahasiswa
2. Bagi Perusahaan
a) Memiliki manfaat yang besar bagi perkembangan ilmu pengetahuan dalam bidang
teknik industri.
b) Sebagai parameter perkembangan yang ada dilapangan dan nantinya dapat
digunakan untuk acuan pendidikan yang ada.
Penyusun penelitian ini mempunyai kerangka pikiran yang berupa garis-garis besar
penulisan (outline), adapun sistematika penulisannya adalah sebagai berikut:
Bab I : Pendahuluan
Bab ini meliputi latar belakang, rumusan masalah, tujuan penelitian, manfaat
penelitian dan sistematika penulisan. Yang merupakan bagian pertama skripsi untuk dapat
mengantarkan pembaca menjawab pertanyaan apa yang diteliti dan untuk apa penelitian ini
dilakukan.
Bab ini berisi penyajian data yang mengambarkan sejumlah variable atau masalah
penelitian yang terjadi secara kronologi sesuai tujuan penelitian, analisis hasil penelitian yang
memaparkan tahapan-tahapan analisis dan teori yang dipakai dalam mencapai tujuan
penelitian.
Bab V : Penutup
Berisi kesimpulan dari hasil penelitian dan saran-saran yang dapat diberikan pada
penelitian tersebut.
BAB II
TINJAUAN PUSTAKA
Yang mendasari penelitian yang akan dilakukan oleh peneliti terkait dengan penelitian
terdahulu yang topiknya sama dan dapat dijadikan pedoman oleh peneliti. Adapun penelitian
terdahulu yaitu sebagai berikut:
1. Harini Fajar Ningrum dalam jurnalnya yang berjudul “Analisis prediksi penjualan produk PT.
Joenoes Ikamulya menggunakan 4 metode peramalan Time Series”.
Kebutuhan akan informasi menjadi hal yang penting di tengah ketatnya persaingan bisnis.
Kualitas dan hasil informasi data yang telah diolah mempengaruhi strategi dan keberhasilan di
masa yang akan datang. Joenoes Ikamulya adalah perusahaan yang bergerak di bidang
penjualan produk dan menggunakan data penjualan untuk diubah menjadi informasi yang
berguna bagi perusahaan itu sendiri. Dengan menghitung peramalan dengan beberapa metode
peramalan time series dan error pada masing-masing metode, diharapkan perusahaan dapat
memperoleh informasi dan hasil peramalan yang terbaik. Hasil dari sistem prediksi dibuat
dengan 4 metode peramalan time series yaitu Metode Nave Approach, Metode Single Moving
Average (dengan n = 1, 2, 3, 4, 5), Metode Weighted Moving Average, Metode Exponential
Smoothing (dengan = 0.1, 0.5, 0.9), dan Metode Proyeksi Tren. Hasil dari peramalan yang
dipilih dari metode Weight Moving Average digunakan sebagai prediksi penjualan produk D
Boday Wash dan Evany, sedangkan hasil dari metode Trend Projection digunakan sebagai
prediksi hasil penjualan untuk Aganol, Ligent, dan Porstex.
2. Rizal Rachman dalam jurnalnya yang berjudul “Penerapan metode Moving Average dan
Exponential Smoothing pada peramalan Produksi Industri Garment”.
Permasalahan yang umum dihadapi oleh perusahaan adalah bagaimana meramalkan produksi
barang di masa mendatang berdasarkan data yang telah direkam sebelumnya. perusahaan
tersebut hanya memproduksi sesuai dengan pesanan, sehingga perusahaan hanya melakukan
proses produksi sesuai jumlah yang diminta oleh para konsumen, jika terjadi kelebihan dalam
produksi maka kelebihannya itu akan disimpan dalam stock, hal ini bertujuan untuk
memenuhi permintaan konsumen yang sifatnya mendadak. Peramalan tersebut sangat
berpengaruh pada keputusan manajemen untuk menentukan jumlah produksi barang yang
harus disediakan oleh perusahaan, kondisi umum bisnis dan ekonomi, reaksi dan tindakan
pesaing, tindakan pemerintah, kecenderungan pasar, siklus hidup produk, gaya dan mode,
perubahan permintaan dan konsumen inovasi tekhnologi. Adapun tujuan dari penelitian ini
yaitu untuk mengidentifikasi dan menganalisis hasil peramalan produksi garment dengan
menggunakan metode peramalan Moving Average dan Exponential Smoothing. Untuk
melakukan peramalan, semakin banyak data yang digunakan untuk peramalan maka semakin
akurat pula hasil dari peramalan yang dilakukan. Hasil penelitian ini telah berhasil membuat
sistem peramalan produksi garment. Sehingga lebih mudah dalam menentukan jumlah
produksi garment pada periode tahun-tahun berikutnya.
3. Marsudi, Hery Hamdi Azwir dalam jurnalnya yang berjudul “Optimasi Produksi Dengan
Perencanaan Produksi (Aggregate Planning) Menggunakan Metode Transportasi (Tabular) Di
Industri Automotif”.
Latar Belakang: penelitian ini dilatar belakangi karena terjadi permasalahan bagaimana
mengoptimasi biaya produksi produk U/B yang terdiri dari beberapa tipe, yaitu KY, K1, K2,
K3 dan K4 agar dapat bersaing dengan kompetitor lain dan untuk menurunkan biaya produksi
yang tinggi. Tujuan penelitian: penelitian ini beryujuan untuk mendapatkan profit yang tinggi
dan dapat bersaing dengan kompetitor, sehingga perlu diadakan perbaikan untuk dapat
mendukung tujuan bisnis perusahaan. Maka peramalan (forecasting) yang tepat sebagai dasar
perencanaan produksi (aggregate planning) produk U/B lebih tepatnya berdasarkan rata – rata
jumlah produksi untuk masing – masing tipe tiap periodenya, sehingga dapat diberikan hasil
produksi yang maksimal. Hasil dan kesimpulan: Dengan dilakukan perhitungan peramalan
produksi (forecasting) dengan menggunakan metode Last period demand, Arithmetic average
(average methods), Single moving average (SMA), Weighted moving average (WMA), Single
exponential smoothing (SES) dengan nilai α = 0.1, α = 0.5, α = 0.9). Dari metode-metode
tersebut didapat hasil perhitungan peramalan produksi menggunakan metode Single
exponential smoothing (SES) dengan α = 0.9 karena nilai pesentase kesalahan terkecil yaitu
11.60% dengan tingkat akurasi 88.40%.
4. Kusyanto, Dadang Suhardi, Robi Awaluddin, Dalam jurnalnya yang berjudul “Peramalan
Penjualan Keramik Menggunakan Metode Moving Average Dan Exponensial Smoothing Pada
Usaha Agus Keramik”
Latar belakang: peramalan penjualan agus keramik mengalami fluktuatif disetiap bulannya
karena belum menerapkan metode ilmiah dalam menentukan permintaan pada setiap
bulannya. Agus keramik masih menggunakan metode konvensial dengan data penjualan
sebelumnya sebagai patokan dan tolak ukur sehingga masa depan penjualannya berada dalam
ketidak pastian. Permintaan yang tiak pasti ini juga akan berpengaruh terhadap persediaan
bahan baku sehingga tidak dapat memanfaatkan peluang pasar.Tujuan: penelitian ini
bertujuan untuk menentukan perencanaan dalam mengambil kebijakan yang baik kapan suatu
peristiwa akan terjadi dan dapat memberikan pengaruh yang besar. Hasil dan kesimpulan:
setelah dilakukan uji coba dapat diketahui bahwa metode Moving Average 5 bulanan adalah
metode yang memiliki nilai tingkat error paling kecil yaitu Mean Absolute Deviation (MAD)
= 171,1, Mean Squared Error (MSE) = 36100,2, dan Mean Absolute Percent Error (MAPE) =
51,63 % dengan hasil peramalan bulan berikutnya = 332,2 buah keramik. Jadi metode yang
paling efektif untuk digunakan dalam melakukan peramalan penjualan adalah moving average
5 bulanan yang memiliki nilai tingkat error terkecil.
5. Zulfa Mardhiyah, Rio Aurachman, Putu Giri Artha Kusuma, dalam jurnalnya yang berjudul
“Penentuan Jumlah Perencanaan Terhadap Produk Aqua dengan Metode Peramalan Time
Series (Studi Kasus Pada PT. Tirta Investama Bandung)”
Latar Belakang: perusahaan menentukan jumlah permintaan hanya dengan melihat data
masalalu dan belum menggunakan metode matematika sehingga mengakibatkan jumlah
barang pada perusahaan belum optimal.
Tujuan: penelitian ini bertujuan untuk memenuhi permintaan konsumen agar mendapatkan
kepercayaan yang bagus.
Hasil dan kesimpulan: metode Regresi Linear merupakan metode yang terbaik untuk empat
ukuran produk aqua. dan metode kosntan pada satu ukuran produk aqua, lalu metode single
exponential smoothing, dan double moving average. Dengan metode yang sudah terpilih
untuk masing-masing ukuran, hasil tracking signal berada pada rentang ± 6, maka usulan
metode yang terpilih adalah metode yang terbaik dan sudah sesuai dengan pola data
permintaan untuk setiap ukuran produk aqua.
6. Decky Chris Pramono dalam jurnalnya yang berjudul “Penentuan Forecasting dengan
menggunakan Metode Trend Linier dan Penerapan Economic Order Quantity (EOQ) dalam
Pengadahan bahan baku yang Optimal (Studi Kasus di PT. Bika Parama)”.
Di dalam penelitianini proses awal yang dilakukan adalah melakukan proses forecasting
dengan menggunakan metode Trend Linier untuk kebutuhan bahan 12 bulan ke depan.
Kemudian kebutuhan bahan tersebut menjadi data untuk membandingkan metode pengadaan
bahan yang dilakukan oleh perusahaan dengan perhitungan secara teori yang menggunakan
metode Economic Order Quantity (EOQ). Hasil perbandingan yang dilakukan dalam
penelitian ini yaitu perhitungan menggunakan metode Economic Order Quantity (EOQ) lebih
hemat 19% dari perhitungan yang dilakukan oleh perusahaan dalam hal total biaya persediaan
7. Dwi Retno Puspitasari dalam jurnalnya yang berjudul “Peramalan Data Jumlah Daftar
Pemilih Tetap Jawa Timur Menggunakan Metode Analisis Tren Linier Dan Non Linier
Dengan Pendekatan Top-Down Dan Bottom-Up”.
Berdasarkan PKPU pasal 1 ayat 22, Daftar Pemilih Tetap (DPT) adalah susunan nama
penduduk Warga Negara Indonesia (WNI) yang telah memenuhi syarat sebagai pemilih
berdasarkan Undang-Undang dan berhak menggunakan haknya untuk memberikan suara di
TPS dalam Pemilu. Penelitian ini bertujuan untuk menentukan model terbaik dan sesuai yang
akan digunakan untuk meramalkan jumlah DPT di Jawa Timur sehingga jumlah anggaran
yang diajukan pemerintah provinsi dalam mendukung pengadaan logistik tepat. Metode yang
digunakan untuk meramalkan jumlah DPT Jawa Timur pada penelitian ini adalah Analisis
Tren linier dan Non-Linier dengan pendekatan top-down dan bottom-up. Pada pendekatan
top-down dilakukan permodelan DPT untuk seluruh Jawa Timur, sedangkan pada pendekatan
bottom-up dilakukan permodelan pada daerah Kabupaten/Kota di Jawa Timur yaitu sebanyak
38. Penelitian ini diharapkan dapat menjadi rekomendasi bagi KPU Jawa Timur dalam
menetapkan jumlah DPT pada pemilihan Gubernur 2018 dan pemilihan Presiden 2019. Hasil
dari penelitian model terbaik pada pendekatan Top-Down adalah analisis tren non linier yang
dipilih berdasarkan nilai RMSE terkecil. Pada pendekatan bottom up sebanyak 34
Kabupaten/Kota di Jawa Timur dapat dimodelkan dengan model linier, 4 Kabupaten dengan
model non-linier dan 3 dengan asumsi KPU. Perbandingan antara pendekatan top-down dan
bottom-up didapakan pendekatan bottom-up terbaik untuk 37 Kabupaten/Kota dan top-down
untuk 1 Kabupaten/Kota.. Pada level Jawa Timur model terbaik yaitu analisis tren non linier
dengan pendekatan top-down.
8. Ni Putu Linda Santiari, I Gede Surya Rahayuda dalam jurnalnya yang berjudul “Penerapan
Metode Exponential Smoothing Untuk Peramalan Penjualan Pada Toko Gitar”.
Toko Gitar adalah toko alat musik terutama menjual gitar, dalam mempersiapkan stok barang,
Toko Gitar masih dilakukan secara manual tanpa memperhitungkan barang laku pada periode
sebelumnya yang mengakibatkan kelebihan dan kekurangan stok di gudang. Hal tersebut
dapat merugikan dan menghambat keuntungkan bagi perusahaan. Oleh karena itu dibutuhkan
suatu peramalan yang diharapkan dapat membantu perusahaan dalam menentukan jumlah
stok barang yang akan dipesan. Metode peramalan yang digunakan adalah Metode
Exponential Smoothing dengan alpha= 0, 8 dan standar error Mean Absolute Deviation
(MAD). Data yang digunakan diambil dari data stok barang pada tahun 2018 sebagai
referensi. Dari hasil uji coba, Standar eror yang diperoleh merupakan jarak antara hasil
peramalan, sebagai contoh pada Gitar SQ hasil peramalannya adalah 4.68 dan standar erornya
1.6 yang artinya perjualan pada barang tersebut bisa (4.86–1.6)) atau (4.86+ 1.6). hasil
peramalan menggunakan Mean Absolute Deviation (MAD) yaitu meramalkan stok berbagai
jenis barang dan didapatkan standar error di atas 50%. Dengan nilai standar error tersebut
dapat simpulkan bahwa peramalan ini layak dan dapat diterapkan. Perbandingan Peramalan
Penjualan Produk Aknil Pt. Sunthi Sepurimengguanakan Metode Single Moving Average
Dan Single Exponential Smooting.
9. Nurul Hudaningsih, Silvia Firda Utami, Wari Ammar Abdul Jabbar dalam jurnalnya yang
berjudul “Perbandingan Peramalan Penjualan Produk Aknil Pt. Sunthi Sepuri mengguanakan
Metode Single Moving Average Dan Single Exponential Smooting”.
Salah satu peramalan yang dilakukan oleh perusahaan adalah peramalan penjualan produk
kepada konsumen. Dengan mengetahui penjualan produk, dapat membantu perusahaan untuk
menyediakan material yang akan di produksi dan menentukan proses produksi itu sendiri. PT.
Sunthi Sepuri adalah perusahaan Pharmaceutical manufacture atau perusahaan yang bergerak
di pembuatan obat-obatan. PT. Sunthi Sepuri sering mengalami kesalahan peramalan dari
pihak marketing. Hal ini menyebabkan ketidak pastian jumlah produksi sehingga dapat
menyebabkan produktifitas karyawan menurun karena meningkatnya jumlah produksi
sewaktu-waktu. Pada penelitian ini peramalan permintaan akan diadakan pada PT. sunthi
Sepuri dengan menerapkan metode Single Moving Average dan Single Exponential
Smoothing, dengan sampel yang akan digunakan adalah produk Aknil produk ini adalah obat
penahan rasa nyeri. Penggunaan kedua metode tersebut untuk membandingkan kedua metode
peramalan tersebut untuk membandingkan metode peramalan yang paling akurat dan
mendekati nilai aktual. Metode penelitian yang digunakan mulai dari pengumpuan data
historis, penentuan metode peramalan, perhitungan peramalan, penenuan metode terbaik, dan
penariakan kesimpulan. Berdasarkan hasil pengujian bahwa metode yang dapat digunakan
untuk menganalisis data yang memiliki tingkat kesalahan paing kecil adalah metode Single
Moving Average. Hasil peramalan untuk bulan juli 2019 dengan metode Single Exponential
Smoothing menggunakan α: 0, 8adalah 408.488 kaplet. Sedangkan untuk pemalan bulan juli
2019 dengan metode Single Moving Averageadalah 466.
10. Ridlo Maulana dalam penelitiannya yang berjudul “Penetapan Metode Peramalan
Berdasarkan Forecast Penjualan Produk Krupuk di UD. Mulya Lawang-Malang”
Latar Belakang: penelitian ini dilatar belakangi karenaaa adanya suatu kendala yaitu belum
diterapkannya metode kuantitatif yang efektif dalam ramalan data penjualan untuk beberapa
bulan kedepandan perusahaan hanya mencatat data hasil penjualan dibuku buku yang
sederhana yang belum tentu membantu menemukan solusi untuk stok barang untuk beberapa
bulan kedepan.Tujuan penelitian: tujuan penelitian ini untuk mencari metode yang tepat dan
terbaik diantara metode moving average, exponential smoothing dan Regression linear
dengan membandingkan tingkat kesalahan yang diperoleh dari masing-masing metode.
Sehinga dapat membantu perusahaan untuk mengatasi stok produk yang harus tersedia. Hasil
dan kesimpulan: hasil dan kesimpulan penelitian ini adalah jumlah permintaan menunjukkan
bahwa kedua metode memberikan hasil yang hamper sama. Namun hasil dari single moving
average menunjukkan hasil yang stabil sedangkan metode simple regression linear
menunjukkan hasil yang relatif menurun.
Pada umunya, berbagai organisasi menggunakan tiga jenis peramalan yang utama
dalam perencanaan operasi di masa depan. Tiga jenis peramalan tersebut, yaitu (Render dan
Heizer, 2009:164) :
Proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini juga
disebut peramalan penjualan yang mngendalikan produksi, kapasitas, serta sistem
penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran dan sumber daya
manusia.
1. Peramalan Jangka Pendek, yaitu peramalan yang meliputi jangka waktu hingga satu
tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk
merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan
tingkat produksi.
2. Peramalan Jangka Menengah, yaitu peramalan yang umumnya mencakup hitungan bulan
hingga tiga tahun. Peramalan ini bermanfaat untuk merencanakan penjualan, perencanaan
dan anggaran produksi, anggaran kas, serta menganalisis bermacam-macam rencana
operasi.
3. Peramalan Jangka Panjang, yaitu peramalan yang umumnya untuk perencanaan masa tiga
tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru,
pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan
pengembangan.
1. Horizon Peramalan.
2. Tingkat Ketelitian.
3. Ketersediaan Data.
5. Biaya.
Selain faktor-faktor yang mempengaruhi peramalan, dan juga tahapan- tahapan yang
harus dilakukan dalam peramalan, maka peramalan mempunyai karakteristik tertentu agar
peramalan dapat dilakukan dengan baik. Menurut Ishak (2010:105) Karateristik peramalan
yang baik sebagai berikut :
1. Akurasi
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari
jumlah item yang diramalkan, lama periode, metode peramalan yang dipakai.
3. Kemudahan
Terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara
mengatasi semua model keputusan. Menurut Render dan Heizer (2009:167) terdapat dua
pendekatan yang digunakan dalam peramalan, yaitu:
Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat tinggi
umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan prediksi
permintaan kelompok.
Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang
dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk memastikan
apakah peramalan cukup realistis. Kemudian, peramalan tersebut digabungkan pada
tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan.
Metode peramalan yang meminta input dari konsumen mengenai rencana pembelian
mereka di masa depan.
Peramalan yang menggunakan model matematis yang beragam dengan data masa lalu
dan variabel sebab akibat untuk meramalkan permintaan (Render dan Heizer, 2009:167).
Menurut Render dan Heizer (2009:168) peramalan kuantitatif dikelompokan kedalam dua
model, yaitu:
a. Model Deret Waktu
Model Deret Waktu adalah teknik peramalan yang menggunakan sejumlah data masa
lalu untuk membuat peramalan (Render dan Heizer, 2009:168).Pengolahan data kuantitatif
dari seri waktu, dapat dilakukan dengan empat metode (Render dan Heizer, 2009:168), yaitu:
Peramalan rata-rata bergerak tunggal menggunakan sejumlah data aktual masa lalu
untuk menghasilkan peramalan. Rata-rata bergerak tunggal berguna jika kita dapat
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan
(Render dan Heizer, 2009:170). bila permintaan berubah secara signifikan dari waktu ke
waktu, ramalan harus cukup agresif dalam mengantisipasi perubahan tersebut, sehingga
nilai n yang kecil akan lebih cocok dipakai. Sebaliknya, bila permintaan cenderung stabil
selama jangka waktu yang panjang, sebaiknya dipakai nilai n yang besar (Nasution,
2005:247).
metode peramalan pergerakan rata-rata bobot lainnya. Ini melibatkan sangat sedikit
catatan yang mempertahankan data masa sebelumnya. Exponential smoothing dapat
diformulasikan dalam rumus:
Dimana α adalah bobot atau penghalusan konstan dipilih oleh peramal yang memiliki nilai
lebih tinggi daripada atau setara 0 dan kurang atau setara dari 1. Persamaan juga dapat
ditulis secara matematis sebagai berikut:
Ft = Ft-1 + α (At-1-Ft-1)
Keterangan:
Ft = Peramalan yang baru
Ft-1= Peramalan periode sebelumnya
α = Penghalusan (atau bobot) konstan (0 ≤ = α < = 1) At-1= Permintaan aktual
periode sebelumnya.
3. Karena α berupa variabel, masalah yang dihadapi dalam melakukan peramalan single
moving average adalah mencari α optimum. Persamaan pemulusan eksponensial
ganda (Double Exponential Smoothing) adalah:
Galat menurut (Aden, 2020) adalah data prediksi dan data real yang merupakan
selisih, yang berfungsi untuk menentukan metode peramalan yang terbaik dari beberapa
perbandingan perhitungan peramalan. Adapun menutut (Adi Candra, S.T., M.T. Sofian
Bastuti, S.T, M.T. Cryse Riswanti Aprilianingsih, Tri Prahasta, 2020) indikator dalam
pengukuran akurasi peramalan paling sering digunakan adalah sebagai berikut:
Kesalahan dihitung dengan absolut pada tiap periode dibagi dengan nilai pengamatan
yang nyata untuk periode tersebut, berguna untuk mengetahui seberapa besar
kesalahan dalam meramal yang dibandingkan dengan nilai nyata.
n
| Aktual− Aktual|/ Aktual
MAPE=∑ 100
i=1 n
⃓ Kesala h an Peramalan⃓ 2
MSE=∑
n
Metode EOQ mengacu pada pembelian dengan jumlah yang sama dalam setiap kali
melakukan pemesanan. jumlah pembelian dapat diketahui dengan cara membagi kebutuhan
dalam satu tahun dengan jumlah pembelian setiap kali melakukan pemesanan. Frekuensi
pemesanan seuai yang diutarakan Deanta dalam Rifqi (2012:40) dapat diformulasikan
sebagai berikut:
D
𝐹=
EOQ
Dimana:
F = frekuensi pembelian dalam satu tahun
D = jumlah kebutuhan bahan baku selama satu tahun EOQ = jumlah pembelian bahan sekali
ROP merupakan jumlah persediaan yang harus tetap ada saat pemesanan dilakukan
pada titik pesan kembali agar tepat waktu untuk menghindari terjadinya kehabisan stok
persediaan.
1. Biaya penyimpanan tambahan, biaya yang harus dibayar karena adanya surplus bahan
baku.
2. Biaya kekurangan bahan, biaya yang harus dibayar karena kekurangan bahan untuk
keperluan proses produksi biaya untuk bahan baku pengganti.
r=Lxd
rumus tersebut berlaku ketika permintaan lead time konstan dan jika permintaan lead
time tidak tetap maka berlaku dengan rumus sebagai berikut:
r = (L x d) + SS
Dimana:
r = titik pemesanan ulang (ROP)
L = perkiraan waktu tunggu atau lead time
d = rata-rata permintaan harian
SS = safety stock
Lalu untuk permintaan perharinya (d) dihitung dengan membagi permintaan tahunannya (D)
dengan jumlah hari kerja dalam satu tahun.
2.13. POM-QM
Program POM-QM for Windows V5 adalah sebuah program aplikasi computer yang
digunakan untuk memecahkan masalah dibidang produksi dan bersifat kuantitatif.
Production Operation Management merupakan kepanjangan dari POM. Dengan kemudahan
pengoprasian menjadikan POM for Windows banyak digunakan sebagai alternatif aplikasi
computer untuk membantu dalam mengambil keputusan. Misalkan menentukan order
pembelian barang agar seminimal mungkin, menentukan kombinasi produksi yang sesuai
agar memperoleh keuntungan yang sebesar-besarnya (Susanto, 2013).
1. Membuka aplikasi POM-QM for Windows V5 pada computer, jika muncul tampilan
petunjuk
mulai cepat, maka klik Close.
2. Pilih modul yang sesuai dengan metode yang telah ditentukan. Yaitu: klik Module pilih
Forecasting.
3. Pilih menu File klik New dan pilih Time Series Analysis.
4. Kemudian muncul tampilan halaman kerja dan isikan data pada kotak create data set for
Forecasting. Jika sudah selesai terisi lanjut klik OK.
5. Melakukan penginputan data dari masalah peramalan yang dilakukan. Demand (Y) diisi
data permintaan per periode. Pilih metode yang akan digunakan dalam kasus peramalan,
jika ada #Periods to average maka diisi sesuai periode pada kasus peramalan.
6. Setelah semua data diinput klik SOLVE. Kemudian akan tampil dari hasil masalah
peramalan.
7. Maka akan tampil Solution maka akan terlihat Error Measure dan Forecast.
8. Untuk dapat melihat Detail and Error Analysis, Error as a Function of n, Control
(Tracking Signal) dan Graph. Maka klik dan pilih TextBook yang terdapat dibawah
Solution.
BAB III
METODOLOGI PENELITIAN
3.1. Kerangka Pemikiran
Data Historis
Metode Peramalan
Penentuan Error
Penentuan Metode
Pengambilan Keputusan
Keterangan :
Produk Saus Sambal kemasan botol dan refill ukuran 625 ml memiliki volume
penjualan yang berfluktuasi dari bulan ke bulan, entah itu naik, turun, atau stabil, sehingga
mengantarkan CV. HIKMAH BAHAGIA SAKTI pada kondisi permintaan masa depan yang
penuh dengan ketidakpastian. Untuk itu perlu membuat suatu peramalan untuk mengetahui
berapa besarnya penjualan produk pada periode yang akan datang. Pembuatan ramalan
tersebut diperlukan suatu data historis pada periode-periode sebelumnya. Data sebelumnya
digunakan untuk meramalkan permintaan periode yang akan datang. Dalam menghitung data
tersebut digunakan 4 metode, yaitu Moving Averages, Exponential Smoothing, Trend Linier,
dan Trend Non Linier
Dari hasil peramalan tersebut dicari tingkat kesalahan pada masing- masing metode
peramalan. Penghitungan kesalahan peramalan tersebut menggunakan MAD (Mean Absolute
Error) dan MSE (Mean Square Error). Selanjutnya untuk mengetahui metode yang paling
tepat yaitu dicari tingkat kesalahan (error) yang lebih mendekati nol pada masing-masing
metode peramalan.
Dari hasil peramalan tersebut akan dapat diketahui jumlah penjualan produk periode bulan
April 2021 sampai Maret 2022. Dengan adanya hasil peramalan tersebut, memberikan
kemudahan dalam mengetahui jumlah penjualan produk yang akan dijadikan sebagai dasar
dalam perencanaan produksi oleh manajer perusahaan dalam memproduksi produk Saus
Sambal kemasan botol dan refill ukuran 625 ml periode bulan April 2021 sampai Maret
2022. Selanjutnya manajer akan mengambil keputusan setelah mengetahui data peramalan
dan perencanaan tersebut.
Lokasi penelitian yang penulis lakukan yaitu di CV. Bahagia Sakti , sebuah
perusahaan yang bergerak dalam industri pangan yang memproduksi produk Saus Sambal
botol dan refill, di Jl. Raya Sumberejo, Asabri, Nogosari, Kecamatan Pandaan, Pasuruan,
Jawa Timur 67156 Waktu penelitian ini dilaksanakan kurang lebih selama lima minggu
tepatnya dimulai dari tanggal 26 April 2022 sampai dengan 2 Juni 2022.
A. Data Deskriptif
Data ini akan memberikan gambaran perusahaan secara umum dalam penelitian. Data
deskriptif yang digunakan dalam penelitian ini adalah:
B. Data Kuantitatif
Data kuantitatif yang digunakan dalam penelitian ini adalah data penjualan produk
boneka Cv. Bahagia Sakti pada bulan April 2021 hingga bulan Maret 2022 yang akan
digunakan untuk menentukan penjualan produk pada periode mendatang.
1. Pengamatan (observasi)
Metode Observasi merupakan prosedur yang sistematis dan standard dalam pengumpulan
data (Wahyuni dan Sumarni, 2006:92). Dalam penelitian ini, peneliti melakukan
pengamatan dan pencatatan langsung mengenai kegiatan yang dilakukan CV. Bahagia
Sakti untuk menunjang data peramalan dalam masalah yang diteliti.
2. Wawancara
wawancara merupakan komunikasi atau pembicaraan dua arah yang dilakukan oleh
pewawancara dan responden untuk menggali informasi yang relevan dengan tujuan
penelitian (Wahyuni dan Sumarni, 2006:85) Dalam penelitian ini, peneliti melakukan
wawancara dengan salah satu karyawan Produksi CV. Bahagia Sakti mengenai proses
produksi dan penjualan periode lalu, kendala-kendala dalam proses produksi yang
digunakan untuk memberikan gambaran umum penelitian serta meramalkan penjualan
bulan berikutnya.
3. Analisa Dokumen
Menganalisa dan mengolah data-data yang diberikan oleh pihak perusahaan agar sesuai
dengan metode yang diteliti.
4. Studi Literatur
Merupakan metode pengumpulan dari segala informasi yang dibutuhkan untuk menunjang
pokok permasalahan yang sedang diamati dari berbagai literatur, buku atau jurnal.
3.6. Teknik Analisis Data
Ada dua hal yang harus diperhatikan dalam peramalan yang akurat dan tepat. Pertama
adalah pengumpulan data, data harus relevan agar ramalan yang dihasilkan dapat memberikan
informasi yang akurat. Kedua adalah pemilihan teknik peramalan yang tepat.
Data yang digunakan untuk analisis peramalan penjualan produk kecap adalah data pada
bulan April 2021 sampai dengan Maret 2022. Metode yang digunakan untuk menganalisis
peramalan penjualan produk kecap adalah metode moving averages, metode exponential
smoothing, metode trend linier, dan metode trend non linier.
Ft =
Keterangan :
Ft = Ramalan kegiatan pada periode ke-t
n = Jumlah periode dalam rata-rata bergerak
At-1, At-2, …., At-n = Kegiatan pada periode sebelumnya
2. Metode Penghalusan Eksponensial (Exponential Smoothing)
Metode Penghalusan eksponensial merupakan teknik peramalan rata-rata bergerak
dengan pembobotan dimana data diberi bobot oleh sebuah fungsi eksponensial (Render
dan Heizer, 2005).
Keterangan :
Ft = Hasil peramalan pada periode t
Ft-1 = Hasil peramalan pada periode sebelumnya
α = Konstanta penghalus ramalan (pembobot) (0
≤ α ≤ 1) At-1 = Data aktual pada periode
sebelumnya
3. Metode Trend Linier
Metode trend linier menggunakan garis kecenderungan apabila pola data menunjukkan
suatu kecenderungan, baik berpola turun atau naik (Tanaddy dan Andrew, 2013).
Y’ = a + b x
a= b=
Keterangan :
Untuk Σx = 0
Y’ = Ramalan pada periode
tertentu a = Intercept
b = Kemiringan garis
x = Kode periode waktu
Σ = Tanda penjumlahan total
= Jumlah data atau pengamatan
4. Metode Trend Non Linier (Trend Kuadratik)
Metode trend non linier (Trend Kuadratik) adalah trend yang mempunyai persamaan
berbentuk fungsi kuadrat dengan bentuk grafik seperti parabola (Ibrahim, 2003).
Y’ = a + bx + c
Keterangan : Y’ = Hasil peramalan pada periode tertentu
b=
a = Nilai trend periode dasar
MAPE = Σ At -
BAB IV
Tabel 1 menunjukkan bahwa hasil rekapitulasi nilai error Saus sambal botol ukuran 625 ml
dengan metode peramalan trend linier diperoleh nilai error yang paling rendah apabila
dibandingkan dengan metode peramalan time series lainnya. Metode peramalan trend linier
dipilih sebagai metode peramalan terbaik karena memiliki nilai error paling rendah yaitu,
MAD (Mean Absolute Deviation) sebesar 1.984,54, MSE (Mean Square Error) sebesar
8.850.382,64 dan MAPE (Mean Absolute Percentaage Error) sebesar 2,33%.
Perbandingan nilai error saus sambal refill ukuran 625 ml dengan metode peramalan di CV.
Bahagia Sakti dapat dilihat pada Tabel 2.
Tabel 2 menunjukkan bahwa hasil rekapitulasi nilai error saus sambal refill ukuran 625 ml
dengan metode peramalan trend linier diperoleh nilai error yang paling rendah apabila
dibandingkan dengan metode peramalan time series lainnya. Metode peramalan trend linier
dipilih sebagai metode peramalan terbaik karena memiliki nilai error paling rendah yaitu,
MAD (Mean Absolute Deviation) sebesar 2.452,41, MSE (Mean Square Error) sebesar
8.976.735,38 dan MAPE (Mean Absolute Percentaage Error) sebesar 4,35%.
Hasil peramalan penjualan saus sambal botol ukuran 625 ml untuk 6 bulan
mendatang, terhitung dari bulan April 2022 sampai dengan September 2022 dapat dilihat pada
Tabel 3.
Tabel 5 menunjukkan bahwa hasil peramalan penjualan saus sambal refill ukuran 625
ml menggunakan metode trend linier mengalami peningkatan dari bulan April sampai dengan
bulan September yaitu 69.380 bungkus pada bulan April, 70.926 bungkus pada bulan Mei,
72.472 bungkus pada bulan Juni, 74.018 bungkus pada bulan Juli, 75.565 bungkus pada bulan
Agustus dan 77.111 bungkus pada bulan September. Peramalan penjualan saus sambal refill
ukuran 625 ml tertinggi terjadi pada bulan September, yaitu sebesar 77.111 bungkus. Dengan
adanya prediksi tentang kemungkinan yang terjadi pada periode mendatang, pihak perusahaan
memiliki acuan untuk mempersiapkan besarnya jumlah produksi, serta membuat perencanaan
persediaan sebagai antisipasi besarnya permintaan produk saus sambal pada bulan tertentu.
BAB V
PENUTUP
5.1. Kesimpulan
1. Metode peramalan terbaik untuk meramalkan penjualan saus sambal botol dan saus sambal
refill ukuran 625 ml di CV. Bahagia Sakti pada periode berikutnya, terhitung dari bulan
April 2022 sampai dengan September 2022 adalah metode trend linier. Metode ini dipilih
karena memiliki nilai tingkat error yang paling rendah apabila dibandingkan dengan metode
peramalan time series lainnya, yaitu pada peramalan penjualan saus sambal botol ukuran 625
ml diperoleh nilai MAD sebesar 1.984,54, MSE sebesar 8.850.382,64, dan MAPE sebesar
2,33%, sedangkan untuk peramalan penjualan saus sambal refill ukuran 625 ml diperoleh
nilai MAD sebesar 2.452,41, MSE sebesar 8.976.735,38, dan MAPE sebesar 4,35%.
2. Hasil peramalan penjualan saus sambal botol ukuran 625 ml menggunakan perhitungan
metode trend linier adalah 97.705 botol pada bulan April, 98.986 botol pada bulan
Mei,100.267 botol pada bulan Juni, 101.548 botol pada bulan Juli, 102.829 botol pada bulan
Agustus dan 104.110 botol pada bulan September. Hasil peramalan penjualan saus sambal
refill ukuran 625 ml menggunakan metode trend linier adalah 69.380 bungkus pada bulan
April, 70.926 bungkus pada bulan Mei, 72.472 bungkus pada bulan Juni, 74.018 bungkus
pada bulan Juli, 75.565 bungkus pada bulan Agustus dan 77.111 bungkus pada bulan
Septrmber.
5.2. Saran
Perusahaan CV. Bahagia Sakti sebaiknya menerapkan metode peramalan trend linier
untuk meramalkan tingkat penjualan saus sambal pada periode yang akan datang karena
metode ini memiliki tingkat kesalahan paling rendah dibandingkan dengan metode
peramalan moving average, exponential smooting, dan trend non linier. Metode peramalan
dapat digunakan sebagai dasar perencanaan produksi untuk mencegah terjadinya over
production yang dapat merugikan perusahaan berupa biaya penyimpanan.
Mulai
Studi Literatur
Survei Pendahuluan
Selesai
DAFTAR PUSTAKA
Ibrahim, Y.2003. Studi Kelayakan Bisnis. Rineka Cipta Jakarta, di akses dalam
https://www.google.co.id/books/edition/STUDI_KELAYAKAN_BISNIS_Pedoman_Memula
i_B/54ESEAAAQBAJ?hl=id&gbpv=0 , pada tanggal 3 Mei 2022.
Kurniawan, M. F. A, dan U. Wiwi. 2013. Analisis Kapasitas Mesin Untuk Mengantisipasi
Perkembangan Permintaan Produk Benang Dengan Metode Rccp (Rought Cut Capacity
Planning). di akses dalam https://ejournal.unesa.ac.id/index.php/jtm-unesa/article/download/
608/418 , pada tanggal 6 Mei 2022.
Harini Fajar Ningrum. 2020. Analisis prediksi penjualan produk PT. Joenoes Ikamulya
menggunakan 4 metode peramalan Time Series, di akses dalam
https://bisnisman.nusaputra.ac.id/article/download/23/14 , pada tanggal 7 Mei 2022.
Afkar Azhfar. 2022. Forecasting adalah: Pengertian, Tujuan, Jenis, dan Metodenya, di akses
dalam https://www.hashmicro.com/id/blog/forecasting-adalah/ , pada tanggal 12 Mei 2022.
Naufal Dafha Bukhori, Adika Fuad. 2020. Pedoman Manajemen Industri di PT SEM
INDONESIA Smart Earmuff, di akses dalam
https://www.google.co.id/books/edition/Pedoman_Manajemen_Industri_di_PT_SEM_IND/
wpnnDwAAQBAJ?hl=id&gbpv=0 , pada tanggal 17 Mei 2022.
Tanaddy, H. dan F. Andrew. 2013. Analisis Perbandingan Metode Regresi Linier Dan
Exponential Smoothing Dalam Parameter Tingkat Error, di akses dalam
http://ejournal.ukrida.ac.id/ojs/index.php/JTIK/article/download/798/763 , pada tanggal 21
Mei 2022
Khoiri. 2020. Pengertian dan Cara Menghitung Mean Absolute Deviation (MAD), di akses
dalam https://www.khoiri.com/2020/10/metode-perkiraan-mad-mean-absolute.html , pada
tanggal 25 Mei 2022.
Coretan Karya. 2022. Contoh cara menghitung MSE, MAD, MAPE, di akses dalam
https://www.coretankarya.my.id/contoh-cara-menghitung-mad-mse-mape/ , pada tanggal 28
Mei 2022.
Decky Chris Pramono. 2018. Penentuan Forecasting dengan menggunakan Metode Trend
Linier dan Penerapan Economic Order Quantity (EOQ) dalam Pengadahan bahan baku yang
Optimal (Studi Kasus di PT. Bika Parama), di akses dalam
https://repository.mercubuana.ac.id/40544/ , pada tanggal 22 Mei 2022.