LAPORAN PRAKTIKUM

SISTEM KERJA DAN ERGONOMI

MODUL 1
“FORECASTING”

Diajukan untuk Memenuhi Tugas Praktikum

Perancangan Sistem Produksi
Program Strata Satu Jurusan Teknik Industri
Sekolah Tinggi Teknologi Bandung

Disusun Oleh :

TI RP 20B – KELOMPOK 7

Annisa Resfy Diyani 20262011254

Mahris Muhamad Yusuf 20262011247
Nira April Lia 20262011028

PROGRAM STUDI TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNOLOGI BANDUNG
2022
 LAPORAN PRAKTIKUM
SISTEM KERJA DAN ERGONOMI
MODUL 1
“FORECASTING”

Diajukan untuk Memenuhi Tugas Praktikum

Perancangan Sistem Produksi
Program Strata Satu Jurusan Teknik Industri
Sekolah Tinggi Teknologi Bandung

Disusun Oleh :

TI RP 20B – KELOMPOK 7

Annisa Resfy Diyani 20262011254

Mahris Muhamad Yusuf 20262011247
Nira April Lia 20262011028

PROGRAM STUDI TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNOLOGI BANDUNG
2022

i
 RINGKASAN
Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan
terjadi pada masa yang akan datang. Peramalan diperlukan karena terdapat
perbedaan kesenjangan waktu (Timelag) antara kesadaran akan dibutuhkannya
suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila
perbedaan waktu tersebut panjang maka peran peramalan begitu penting dan sangat
dibutuhkan, terutama dalam penentuan kapan terjadinya suatu sehingga dapat
dipersiapkan tindakan yang perlu dilakukan.
Menurut Kushartini dan Almahdy (2016), Peramalan adalah proses untuk
memperkirakan berapa kebutuhan dimasa datang yang meliputi kebutuhan dalam
ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka
memenuhi permintaan barang atau jasa. Peramalan merupakan suatu kegiatan
memperkirakan atau memprediksikan kejadian dimasa yang akan datang tentunya
dengan bantuan penyusunan rencana terlebih dahulu, dimana rencana ini dibuat
berdasarkan kapasitas dan kemampuan permintaan/produksi yang telah dilakukan
di perusahaan (Sofyan, 2013).

ii
 KATA PENGANTAR
Alhamdulillah puji syukur kami panjatkan kehadiran Allah SWT atas
rahmat, hidayah, serta karunia-Nya sehingga kami dapat menyusun dan
menyelesaikan Laporan Praktikum Sistem Produksi ini dengan lancar tanpa adanya
hambatan apapun. Laporan praktikum sistem produksi ini dibuat dalam rangka
memenuhi tugas.
Selama pelaksanaan dan penulisan Laporan Praktikum ini, tentunya tidak
lepas dari bantuan banyak pihak baik secara langsung maupun tidak langsung.
Untuk itu dalam kesempatan ini kami mengucapkan banyak terima kasih kepada:
1. Bapak Angling Sugiatna, S.T., M.T. selaku Dosen Praktikum Sistem
ProduksiTeknik Industri Sekolah Tinggi Teknologi Bandung.
2. Vira Ifanie selaku Asisten Dosen Praktikum Sistem Produksi Teknik
Industri Sekolah Tinggi Teknologi Bandung.
3. Teman-teman TI RP 20B yang telah membantu dalam pelaksanaan dalam
pembuatan laporan dengan baik.
Dalam penulisan Laporan Praktikum ini tentunya masih terdapat banyak
kekurangan, namun hal itulah yang mendorong kelompok kami untuk berbuat lebih
baik.

Bandung, 13 Oktober 2022

Penyusun

iii
 DAFTAR ISI
HALAMAN JUDUL BAGIAN DALAM ............................................................. i
RINGKASAN ........................................................................................................ ii
KATA PENGANTAR .......................................................................................... iii
DAFTAR ISI ......................................................................................................... iv
DAFTAR TABEL ................................................................................................ vi
DAFTAR GAMBAR ........................................................................................... vii
DAFTAR LAMPIRAN ...................................................................................... viii
BAB I PENDAHULUAN .................................................................................... I-1
1.1 Latar Belakang .......................................................................................... I-1
1.2 Identifikasi Masalah .................................................................................. I-1
1.3 Rumusan Masalah ..................................................................................... I-2
1.4 Tujuan Praktikum ...................................................................................... I-2
1.5 Manfaat Praktikum .................................................................................... I-2
1.6 Sistematika Penulisan Laporan ................................................................. I-2
BAB II LANDASAN TEORI ........................................................................... II-1
2.1 Pengertian Forecasting ............................................................................II-1
2.2 Fungsi Peramalan .....................................................................................II-2
2.3 Tujuan Peramalan.....................................................................................II-2
2.4 Macam-Macam Forecasting ....................................................................II-3
2.5 Langkah-Langkah Peramalan ..................................................................II-5
2.6 Tahap Dalam Peramalan ..........................................................................II-5
2.7 Metode Peramalan ....................................................................................II-7
2.8 Prosedur Peramalan ................................................................................II-10
2.9 Verifikasi dan Pengendalian Peramalan.................................................II-12
2.10 Validasi Metode Peramalan ...................................................................II-13
BAB III ALUR PRAKTIKUM .......................................................................III-1
3.1 Aliran Pengerjaan ................................................................................... III-1
3.2 Alat dan Bahan ....................................................................................... III-1
3.3 Langkah Kerja Praktikum ...................................................................... III-1
3.4 Flowchart ............................................................................................... III-2

iv
BAB IV PENGOLAHAN DAN ANALISIS DATA ...................................... IV-1
4.1 Pengumpulan Data ................................................................................. IV-1
4.2 Pengolahan dan Analisis Data................................................................ IV-1
4.2.1 Metode Simple Moving Averages............................................... IV-1
4.2.2 Metode Weighted Moving Averages .......................................... IV-5
4.2.3 Metode Exponential Smoothing ................................................. IV-8
BAB V KESIMPULAN DAN SARAN ............................................................ V-1
5.1 Kesimpulan ............................................................................................. V-1
5.2 Saran ........................................................................................................ V-1
DAFTAR PUSTAKA .............................................................................................1
LAMPIRAN ........................................................................................................L-1

v
 DAFTAR TABEL
Tabel 4.1 Data Permintaan Produk Handphone...................................... IV-1
Tabel 4.2 Pembobotan Data .................................................................... IV-5

vi
 DAFTAR GAMBAR
Gambar 2.1 Pola Data Konstan ........................................................................ II-6
Gambar 2.2 Pola Data Linier ........................................................................... II-6
Gambar 2.3 Pola Data Musiman ...................................................................... II-6
Gambar 2.4 Pola Data Siklis ............................................................................ II-7
Gambar 2.5 Pola Data Acak ............................................................................. II-7
Gambar 2.6 Moving Range Chart .................................................................... II-12
Gambar 2.7 Bagan Batas Kendali Out of Control ........................................... II-13
Gambar 3.1 Flowchart ..................................................................................... III-2

vii
 DAFTAR LAMPIRAN
Lampiran A ...................................................................................................... L-1

viii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat
dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap
permintaan yang akan datang berdasarkan pada beberapa variabel peramal,
sering berdasarkan data deret waktu historis. Peramalan menggunakan
teknik teknik peramalan yang bersifat formal maupun informal.
Peramalan (forecasting) merupakan seni dan ilmu untuk
memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan
melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang
akan datang dengan suatu bentuk model matematis. Bisa juga merupakan
prediksi intuisi yang bersifat subjektif. Atau bisa juga dengan menggunakan
kominasi model matematis yang disesuaikan dengan pertimbangan yang
baik dari seorang manager.
Forecasting adalah peramalan atau perkiraan mengenal sesuatu
yang belum terjadi. Ramalan yang dilakukan pada umumnya akan
berdasarkan data yang terdapat di masa lampau yang dianalisis dengan
mengunakan metode-metode tertentu. Forecasting diupayakan dibuat dapat
meminimumkan pengaruh ketidakpastian tersebut, dengan kata
lainbertujuan mendapatkan ramalanyang bisa meminimumkan kesalahan
meramal (forecast error) yang biasanya diukur dengan Mean Absolute
Deviation, Absolute Error, dan sebagainya. Peramalan merupakan alat
bantu yang sangat penting dalam perencanaan yang efektif dan efisien.

1.2 Identifikasi Masalah

1. Mencari tahu lebih lanjut mengenai peramalan.
2. Mencari tahu jenis peramalan.
3. Mencari tahu pendekatan dalam peramalan.

I-1
 I-2

1.3 Rumusan Masalah

1. Apakah definisi dari peramalan (forecasting)?
2. Berapakah jenis peramalan (forecasting)?
3. Apa sajakah pendekatan dalam peramalan (forecasting)?

1.4 Tujuan Praktikum

1. Mengetahui definisi dari peramalan (forecasting).
2. Mengetahui jenis-jenis peramalan (forecasting).
3. Megetahui pendekatan dalam peramalan (forecasting).

1.5 Manfaat Praktikum

Manfaat yang dapat diperoleh dari praktikum ini adalah:
1. Memperkenalkan apa itu peramalan yang ada di dalamnya yang bisa
menyelesaikan masalah peramalan.
2. Mengetahui metode peramalan mana yang lebih baik dari 2 metode
yang dibandingkan.
3. Sebagai referensi dan gambaran untuk pengembangan metode
peramalan selanjutnya.

1.6 Sistematika Penulisan Laporan

Sistematika penulisan praktikum yang digunakan adalah sebagai
berikut:
BAB I PENDAHULUAN
Berisi tentang latar belakang, rumusan masalah, identifikasi
masalah, pembatasan masalah, tujuan, manfaat, dan sistematika penulisan
laporan praktikum.
BAB II LANDASAN TEORI
Berisi tentang landasan dan teori dari berbagai literatur yang
digunakan sebagai acuan atau dasar dalam melakukan praktikum.
BAB III ALUR PRAKTIKUM
Berisi tentang apa saja yang dibutuhkan dalam praktikum, prosedur
praktikum, data pengamatan, dan pengolahan data pada objek.
 I-3

BAB IV PENGOLAHAN DAN ANALISIS DATA

Berisi tentang analisis dan pembahasan mengenai pengumpulan dan
pengolahan data yang di dapat.
BAB V KESIMPULAN DAN SARAN
Berisi tentang kesimpulan dari pengolahan data dan saran untuk
menunjang mutu dan kualitas praktikum selanjutnya.
DAFTAR PUSTAKA
Berisi referensi yang digunakan selama proses pembuatan laporan.
LAMPIRAN
Berisi dokumentasi dari apa yang telah dilakukan selama praktikum
berlangsung.
 BAB II
LANDASAN TEORI
2.1 Pengertian Forecasting
Menurut Kushartini dan Almahdy (2016), peramalan adalah proses
untuk memperkirakan berapa kebutuhan dimasa datang yang meliputi
kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang atau jasa.
Peramalan merupakan suatu kegiatan memperkirakan atau memprediksikan
kejadian dimasa yang akan datang tentunya dengan bantuan penyusunan
rencana terlebih dahulu, dimana rencana ini dibuat berdasarkan kapasitas
dan kemampuan permintaan/produksi yang telah dilakukan di perusahaan
(Sofyan, 2013).
Forecasting (peramalan) adalah aktivitas yang pertama kali
dilakukan dalam menentukan jadwal produksi di masa depan. Peramalan
didasarkan pada penentuan (prediksi) jumlah permintaan (demand) sebuah
produk yang kemudian akan dijadikan sebagai target produksi. Berikut ini
merupakan definisi peramalan menurut beberapa ahli, yaitu:
1. Menurut John E.Biegel (1999) : ”Peramalan adalah kegiatan
memperkirakan tingkat permintaan produk yang diharapkan untuk
suatu produk atau beberapa produk dalam periode waktu tertentu
dimasa yang akan datang”.
2. Menurut Bufa S.Elwood (1996) : “peramalan atau forecasting
diartikan sebagai penggunaan teknik-teknik statistik dalam bentuk
gambaran masa depan berdasarkan pengolahan angka-angka historis.
3. Menurut Makridakis (1988) : “Peramalan merupakan bagian integral
dari kegiatan pengambilan keputusan manajemen.
4. Menurut Manahan P.Tampubolon (2004:40) peramalan atau
forecasting adalah penggunaan data untuk menguraikan kejadian yang
akan datang di dalam menentukan saran yang dikehendaki.
5. Menurut [Kostas, 1981] : “Peramalan merupakan suatu dugaan
terhadap permintaan yang akan datang berdasarkan kuantitas, waktu,
kualitas, dan lokasi terhadap produk atau layanan yang diinginkan.

II-1
 II-2

Berdasarkan beberapa pengertian diatas, dapat disimpulkan bahwa

forecasting merupakan salah satu teknik dalam sistem perencanaan yang
berfungsi untuk menentukan aktivitas produksi yang akan terjadi dimasa
yang akan datang berdasarkan data historis masa lalu guna memperoleh
suatu sistem dan kebijakan yang lebih baik dan menguntungkan bagi
perusahaan atau organisasi yang terkait. (Yulisa Gardenia, 2012)
Kegunaan peramalan adalah untuk mengambil keputusan yang tepat
berdasarkan peristiwa masa lalu. (Makridakis, 2005 dalam Wenda B. Dkk).

2.2 Fungsi Peramalan

Fungsi peramalan akan membuat ramalan kebutuhan dari produk
yang harus dibuat yang dinyatakan dalam kuantitas (jumlah produk) sebagai
fungsi dari waktu. Peramalan dilakukan dalam jangka pendek, menengah
dan jangka panjang. Pengendalian peramalan sangat diperlukan dengan
melakukan perbandingan antara kebutuhan yang diramalkan dengan
kebutuhan sebenarnya. Untuk itu, dapat dilakukan tindak koreksi secara
langsung terhadap kebutuhan yang diramalkan (Sritomo Wignjonosoebroto,
2003).

2.3 Tujuan Peramalan

Tujuan peramalan dilihat dari segi waktu (Rosnani Ginting, 2007) :
1. Jangka Pendek (Short Term)
Menentukan kuantitas dan waktu dari item dijadikan produksi
dan ditentukan oleh Low Management.
2. Jangka Menengah (Medium Term)
Menentukan kuantitas dan waktu dari kapasitas produksi dan
ditentukan oleh Middle Management.
3. Jangka Panjang (Long Term)
Merencanakan kuantitas dan waktu dari fasilitas produksi dan
ditentukan oleh Top Management.
 II-3

2.4 Macam-Macam Forecasting

Berdasarkan sifatnya, peramalan diklasifikasikan menjadi dua
bagian yaitu:
1. Peramalan Kualitatif
Peramalan kualitatif adalah teknik peramalan yang digunakan
apabila data masa lalu tidak tersedia atau tersedia namun jumlahnya
yang tidak banyak. Teknik ini mengkombinasikan informasi dengan
pengalaman, penilaian, dan intuisi untuk menghasilkan pola-pola dan
hubungan yang mungkin dapat diterapkan dalam memprediksi masa
yang akan datang. Teknik-teknik kualitatif didasarkan atas pendekatan
akal sehat dalam menyaring informasi ke dalam bentuk yang
bermanfaat. Beberapa metode yang tercakup dalam teknik-teknik
kualitatif antara lain visionary, panel consesus, brainstorming,
antypatory survey, role playing, dan lain sebagainya.
2. Peramalan Kuantitatif
Peramalan Kuantitatif adalah teknik peramalan dimana pola
historis data digunakan untuk meramalkan keadaan di masa yang akan
datang. Menurut makridakis, Wheelwright, dan McGee (1999,p20),
tiga kondisi penerapan dari penerapan peramalan ini, yaitu tersedianya
informasi tentang masa lalu, informasi tersebut dapat dikuantitatifkan
dalam bentuk data numerik, dan dapat diasumsikan bahwa beberapa
aspek pola aspek masa lalu akan terus berlanjut ke masa mendatang.
Terdapat dua teknik kuantitatif yang utama, yakni analisis deret waktu
(time series analysis) dan model struktural (structural model) atau
model kausal.
a. Time series adalah analisis deret waktu yang didasarkan pada deret
yang menggambarkan pola-pola bervariasi sepanjang waktu, dan
dapat dimodelkan untuk menentukan pola yang akan terjadi di
masa depan.
b. Causal Model adalah model yang terdiri dari teknik-teknik
peramalan yang menggunakan informasi atas satu atau beberapa
faktor (variable) untuk memprediksi faktor lainnya dengan
 II-4

memanfaatkan pengetahuan atas hubungan antara variabel-

variabel tersebut.
c. Other Quantitative adalah metode peramalan jenis kuantitatif yang
menggunakan teknik peramalan market research, management
science, expert system, artifical, dan lain-lain. Berikut ini
merupakan tahapan dalam penyusunan peramalan dengan
menggunakan peramalan kuantitatif yaitu:
1. Tentukan tujuan peramalan.
2. Pembuatan diagram pencar.
3. Pilih minimal dua metode peramalan yang dianggap sesuai.
4. Hitung parameter-parameter fungsi peramalan.
5. Hitung kesalahan setiap metode yang terbaik, yaitu yang
memiliki kesalahan terkecil.
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan
terkecil.
7. Lakukan verifikasi peramalan.
Berdasarkan sifat penyusunannya, maka peramalan dibedakan
menjadi dua macam yaitu:
1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas
perasaan atau intuisi dari penyusunnya.
2. Peramalan yang objektif, adalah peramalan yang didasarkan atas
data yang relevan pada masa lalu, dengan menggunakan teknik-
teknik dan metode-metode dalam penganalisisan data tersebut.
Sedangkan, berdasarkan jangka waktu ramalan yang disusun,
maka peramalan dibedakan atas:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari satu
setengah tahun.
2. Peramalan jangka pendek adalah peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari
satu setengah tahun. Sehingga peramalan jangka pendek
 II-5

menggunakan teknik analisa hubungan dimana satu-satunya

variabel yang mempengaruhi adalah waktu. (Assauri, 1984)

2.5 Langkah-Langkah Peramalan

Peramalan yang baik adalah peramalan yang dilakukan dengan
mengikuti langkah-langkah atau prosedur penyusunan yang baik. Menurut
Gaspersz (2005) terdapat 9 langkah yang harus diperhatikan untuk
menjamin efektivitas dan efisiensi dari sistem peramalan, yaitu:
1. Menentukan tujuan dari peramalan
2. Memilih item independent demand yang akan diramalkan
3. Menentukan horison waktu dari peramalan (jangka pendek, menengah,
atau panjang)
4. Memilih model-model peramalan
5. Memperoleh data yang dibutuhkan untuk melakukan peramalan
6. Validasi model peramalan
7. Membuat peramalan
8. Implementasi hasil-hasil peramalan
9. Memantau keandalan hasil peramalan

2.6 Tahap Dalam Peramalan

Terdapat beberapa langkah penting dalam tahap-tahap forecasting
yaitu:
1. Plot data
Ploting data harus dilakukan sebelum melakukan metode
peramalan untuk menentukan pola data yang terjadi. Dengan data yang
ada diperoleh diagram pencarnya. Macam-macam dari plot data adalah
sebagai berikut:
a. Konstan adalah apabila pola data berfluktuasi di sekitar nilai rata-
rata yang konstan (deret seperti ini stasioner terhadap nilai rata-
ratanya).
 II-6

Gambar 2.1 Pola Data Konstan

b. Linier/Trend, terjadi saat terdapat kenaikan dan penurunan jangka
panjang dalam data.

Gambar 2.2 Pola Data Linier

c. Seasonal (Musiman) adalah fluktuasi permintaan suatu produk
dapat naik turun di sekitar garis trend dan biasanya berulang tiap
tahun.

Gambar 2.3 Pola Data Musiman

d. Cyclical (Siklis) adalah pola permintaan suatu produk yang
mempunyai siklus berulang secara periodik biasanya lebih dari
satu tahun, sehingga pola ini untuk peramalan jangka menengah
dan panjang.
 II-7

Gambar 2.4 Pola Data Siklis

e. Random (acak) adalah tanda dalam data yang disebabkan peluang
dan situasi yang tidak biasa, variabel acak mengikuti pola yang
tidak dapat dilihat.

Gambar 2.5 Pola Data Acak

2. Memilih alternatif metode yang sesuai dengan pola data masa lalu.
Dengan asumsi, pola akan berulang pada periode yang akan datang.
3. Melakukan uji verifikasi dengan menghitung error dari metode-metode
yang digunakan.
4. Memilih metode yang terbaik, yang dipilih adalah 2 metode yang
memiliki error terkecil.
5. Melakukan uji validasi metode terpilih dengan menggunakan peta
Moving Range. (Sri Hartini,2010)

2.7 Metode Peramalan

Terdapat 2 macam metode peramalan, yaitu:
1. Metode Kuantitatif
Metode peramalan kuantitatif dapat dikelompokkan menjadi dua
jenis, yaitu:
1) Model seri waktu/metode deret berkala (time series)
 II-8

Model seri merupakan metode yang dipergunakan untuk

menganalisis seragkaian data yang merupakan fungsi waktu. Model
time series terbagi menjadi:
a. Simple Average (SA)
Rumus manual untuk mendapatkan hasil peramalan
dengan metode SA adalah sebagai berikut:
𝑇−1
̅ = ∑𝑡=1 𝐷𝑡 ................................................... (2.1)
𝐹𝑡+1 = 𝐷 (𝑇−1)

Dimana:
𝐹𝑡 : Hasil Peramalan untuk periode t
𝐷𝑡 : Data demand historis untuk periode t
b. Rata-rata bergerak (moving average)
Moving average adalah suatu metode peramalan umum
dan mudah untuk menggunakan alat-alat yang tersedia untuk
analisis teknis. Moving average menyediakan metode sederhana
untuk pemulusan data masa lalu. Metode ini berguna untuk
peramalan ketika tidak terjadi tren. Jika sterdapat tren, gunakan
estimasi berbeda untuk mempertimbangkannya. Hal ini disebut
dengan ”bergerak” karena sebagai data baru yang tersedia, data
yang tertua tidak digunakan lagi (Makridakis et all, 1999).
Tujuan utama penggunaan rata-rata bergerak adalah untuk
menghilangkan atau mengurangi acakan dalam deret waktu.
Teknik rata-rata bergerak dalam deret waktu terdiri dari
pengambilan suatu kumpulan nilai-nilai yang diobservasi,
mendapatkan rata-rata dari nilai ini, dan kemudian
menggunakan nilai rata-rata tersebut sebagai ramalan untuk
periode yang akan datang.
c. Penghalusan Eksponensial (exponetial smoothing)
Exponential smoothing adalah metode yang
menunjukkan pembobotan menurun secara eksponensial
terhadap nilai pengamatan yang lebih tua. Terdapat satu atau
lebih parameter penulisan yang ditentukan secara eksplisit, dan
 II-9

hasil pilhan ini menentukan bobot yang dikenakan pada nilai

observasi. (Makridakis et all, 1999, p.78).
Penghalusan eksponensial merupakan metode peramalan
dengan menambahkan parameter alpha dalam modelnya untuk
mengurangi faktor kerandoman. Rumus manual untuk
mendapatkan hasil peramalan dengan metode SES (single
exponential smoothing) adalah:
𝐹𝑡 = 𝐹𝑡 − 1+∝ (𝐷𝑡 − 𝐹𝑡 − 1) ...................... (2.2)
Dimana:
𝐹𝑡 : Hasil Peramalan untuk periode t
𝐷𝑡 : Data demand historis untuk periode t
∝ : Konstanta smoothing, nilainya antara 0 – 1
2) Metode Kausal
Suatu permintaan barang/produk diramalkan menggunakan
data historis produk lain yang dianggap memiliki hubungan sebab
akibat dengan barang/produk tersebut. Terdapat beberapa jenis
metode kausal:
a. Metode Regresi
b. Model Input Output
c. Model Ekoometri

2. Metode Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh
intuisi, emosi, pendidikan dan pengalaman seseorang. Metode
peramalan kualitatif ini terdiri dari beberapa macam, yaitu:
a. Juri dari opini eksekutif.
b. Gabungan tenaga penjualan.
c. Metode delphi.
d. Survai pasar (market survey)
 II-10

2.8 Prosedur Peramalan

Dalam melakukan peramalan terdiri dari beberapa tahapan
khususnya jika menggunakan metode kuantitatif, yaitu sebagai berikut:
1. Mendefinisikan tujuan peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi
untuk mengukur tingkat suatu permintaan.
2. Membuat plot data historis
Yakni dengan membuat plot demand versus waktu, dimana
demand sebagai ordinat (Y) dan waktu sebagai axis (X), sehingga data
demand dapat diketahui.
3. Memilih model peramalan yang tepat
Melihat dari kecenderungan data pada plot diagram yang telah
dibuat, maka dapat dipilh beberapa model peramalan yang diperkirakan
dapat mewakili pola tersebut:
a. Apabila data tidak mengandung unsur tren, maka teknik peramalan
yang dapat digunakan adalah exponential smoothing dan moving
average.
b. Apabila data time series mengandung unsur tren, maka peramalan
yang dapat digunakan adalah teknik trend linier, tren kuadatik, tren
eksponensial, atau model autogresif.
1) Melakukan peramalan
2) Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada
seberapa dekat nilai hasil peramalan terhadap nilai data yang
sebenarnya. Terdapat beberapa cara dalam menghitung
forecast error, diantaranya adalah sebagai berikut:
a) Mean Absolute Deviation (MAD)
∑𝑛
𝑖=𝑛|𝐷𝑖 −𝐹𝑖 |
𝑀𝐴𝐷 = .......................... (2.3)
𝑛

Dimana:
MAD : Mean Absolute Deviation
𝐷𝑖 : Data demand historis ke-i
𝐹𝑖 : Data peramalan ke-i
 II-11

n : Rata-rata jumlah data aktual

b) Mean Squared Error (MSE)
2
(∑𝑛
𝑖=𝑛|𝐷𝑖 −𝐹𝑖 |)
𝑀𝑆𝐸 = ...................... (2.4)
𝑛

Dimana:
MSE : Mean Square Error
𝐷𝑖 : Data demand historis ke-i
𝐹𝑖 : Data peramalan ke-i
n : Rata-rata jumlah data aktual
c) Mean Absolute Percent Error (MAPE)
∑ 𝑛
|𝐷 −𝐹 |
100× 𝑖=𝑛 𝑖 𝑖
𝐷𝑖
𝑀𝐴𝑃𝐸 = .................. (2.5)
𝑛

Dimana:
MAPE : Mean Absolute Percent Error
𝐷𝑖 : Data demand historis ke-i
𝐹𝑖 : Data peramalan ke-i
n : Rata-rata jumlah data aktual
d) Cummulative Sum of Error (CFE)
𝐶𝐹𝐸 = ∑𝑛𝑖=1(𝐷𝑖 − 𝐹𝑖 ) .................... (2.6)
Dimana:
CFE : Cummulative Sum of Error
𝐷𝑖 : Data demand historis ke-i
𝐹𝑖 : Data peramalan ke-i
n : Rata-rata jumlah data aktual
4. Memilih metode peramalan dengan kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda secara signifikan
pada tingkat ketelitian tertentu, maka pilihlah secara sembarang metode-
metode tersebut.
5. Melakukan verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode
peramalan tersebut sesuai dengan pola data sebenarnya.
 II-12

2.9 Verifikasi dan Pengendalian Peramalan

Langkah penting setelah peramalan dibuat adalah melakukan
verifikasi peramalan sedemikian rupa sehingga hasil peramalan tersebut
benar-benar mencerminkan data masa lalu dan sistem sebab akibat yang
mendasari permintaan tersebut. Sepanjang aktualitas peramalan tersebut
dapat dipercaya, hasil peramalan akan terus digunakan. Jika selama proses
verifikasi tersebut ditemukan keraguan validitas metode peramalan yang
digunakan, harus dicari metode lainnya yang lebih cocok.
Banyak alat yang dapat digunakan untuk memverifikasi peramalan
dan mendeteksi perubahan sistem sebab akibat yang melatar belakangi
perubahan pola permintaan. Bentuk yang paling sederhana adalah peta
kontrol peramalan yang mirip dengan peta kontrol kualitas dengan nama
Moving Range Chart (MRC). Peta kontrol ini dapat dibuat dengan dalam
kondisi data yang tersedia minim. Dari peta ini dapat dilihat apakah sebaran
masih dalam control ataupun sudah berada diluar kontrol. Proses verifikasi
dengan menggunakan Moving Range Chart (MRC), dapat digambarkan
pada gambar 2.3.

Gambar 2.6 Moving Range Chart

Harga MR diperoleh dari:

𝑁−1
̅̅̅̅̅ = ∑𝑡=2 𝑀𝑅𝑡 ......................................................... (2.7)
𝑀𝑅 𝑁−1

Dimana:
𝑀𝑅𝑡 = |(𝑌𝑡 − 𝑌𝑇𝑡 ) − (𝑌𝑡−1 − 𝑌𝐹𝑡−1 )| atau 𝑀𝑅𝑡 = 𝑒𝑡 − 𝑒𝑡−1.................(2.8)
 II-13

Kondisi out of control dapat diperiksa dengan menggunakan empat

aturan berikut:
1. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu
sisi, yang mana dua diantaranya jatuh pada daerah A.
2. Aturan Lima Titik
Bila ada lima buah titik secara berurutan berada pada salah satu
sisi, yang mana empat diantaranya jatuh pada daerah B.
3. Aturan Delapan Titik
Bila ada delapan buah titik secara berurutan berada pada salah
satu sisi, pada daerah C.
4. Aturan Satu Titik
Bila ada titik sebaran (Y-YF) berada di luar UCL dan LCL.

Gambar 2.7 Bagan Batas Kendali Out of Control

2.10 Validasi Metode Peramalan

Validasi dalam suatu proses peramalan berguna untuk mengetahui
apakah terdapat perbedaan yang signifikan antara hasil ramalan yang telah
dibuat dengan data permintaan masa lalu. Uji validasi dilakukan dengan
membuat peta moving range, uji t berpasangan, uji F, uji khi-kuadrat dan
peta tracking signal. Berikut ini merupakan sejumlah indikator untuk
menguji kevalidasian suatu data, yaitu:
 II-14

1. Tracking Signal
Menurut Gaspersz (2004), suatu ukuran bagaimana baiknya
suatu ramalan memperkirakan nilai-nilai aktual suatu ramalan
diperbaharui setiap minggu, bulan atau triwulan, sehingga data
permintaan yang baru dibandingkan terhadap nilai-nilai ramalan.
Tracking signal dihitung sebagai running sum of the forecast errors
dibagi dengan mean absolute deviation. Tracking signal yang positif
menunjukan bahwa nilai aktual permintaan lebih besar daripada
ramalan, sedangkan apabila negatif berarti nilai aktual permintaan lebih
kecil daripada ramalan. Tracking signal terkadang digunakan untuk
melihat apakah nilai-nilai yang dihasilkan berada di dalam atau di luar
batas-batas pengendalian.
2. Moving Range
Moving range dibuat untuk membandingkan nilai-nilai
observasi atau data aktual dengan nilai peramalan dari kebutuhan yang
sama. Moving range dapat dikatakan sebagai peta kontrol statistik yang
digunakan pada pengendalian kualitas. Peta moving range memiliki
batasan-batasan yang terdiri dari batas kontrol atas dan batas kontrol
bawah. Jika ada sebuah titik atau data yang berada di luar batas tersebut
maka ada beberapa data yang harus dihilangkan atau mencari metode
peramalan yang lain. Moving range digunakan untuk mengetahui
sejauh mana arah pergerakan bergerak.
3. Uji Kondisi di Luar Kendali
Uji kondisi di luar kendali adalah:
a. Dari tiga titik berturut-turut, ada dua atau lebih titik yang berada
di region A.
b. Dari lima titik berturut-turut, ada empat atau lebih titik yang
berada di region B.
c. Ada delapan titik berturut-turut titik yang berda di salah satu sisi
(di atas atau di bawah garis tengah).
Apabila terjadi kondisi di luar kendali, tindakan terhadap
peramalan harus dilakukan yaitu:
 II-15

a. Merevisi peramalan dengan memasukkan data dan sistem sebab

akibat baru.
b. Menunggu bukti lebih lengkap.
(Sri Hartini,2010)
 BAB III
ALUR PRAKTIKUM
3.1 Aliran Pengerjaan
Tahapan praktikum merupakan awal kegiatan dari proses
menganalisis peramalan suatu perusahaan dengan alur sebagai berikut:
1. Persiapkan alat dan bahan praktikum.
2. Melakukan pengumpulan data.
3. Melakukan penyeleksian metode yang digunakan pada saat
pengamatan
4. Melakukan pengolahan data.
5. Pengolahan data dengan menggunakan aplikasi POM QM.

3.2 Alat dan Bahan

3.2.1 Alat
1. Laptop
2. Sofware POM QM
3. Alat tulis

3.2.2 Bahan
1. Modul 1 (Forecasting)
2. Data perhitungan (contoh kasus)

3.3 Langkah Kerja Praktikum

1. Persiapkan alat dan bahan.
2. Mengumpulkan data yang akan dianalisis.
3. Setelah mendapatkan data, tentukan metode peramalan apa yang
akan digunakan.
4. Setelah itu, masukanlah data tersebut terhadap software POM QM.
5. Lakukan sampai menggunakan seluruh metode-metode peramalan
yang ada.
6. Kemudian bandingkan metode metode peramalan tersebut.

III-1
 III-2

7. Lalu, lakukan analisis metode peramalan yang tepat bagi data

tersebut.

3.4 Flowchart

Mulai

Persiapan

Pengolahan Data

Data Simple Data

Data Weighted
Moving Exponential
Moving Average
Average Smoothing

Analisis Peramalan yang Tepat

Kesimpulan dan Saran

Selesai

Gambar 3.1 Flowchart

 BAB IV
PENGOLAHAN DAN ANALISIS DATA
4.1 Pengumpulan Data
Dalam suatu perusahaan laptop di daerah Bandung, terdapat macam-
macam tipe handphone yang diperjualbelikan. Pada tahun 2021, data
permintaan produk handphone dalam tahun tersebut yakni sebagai berikut:
Tabel 4.1 Data Permintaan Produk Handphone
No Bulan Permintaan
1 Januari 10
2 Februari 13
3 Maret 12
4 April 15
5 Mei 18
6 Juni 16
7 Juli 11
8 Agustus 12
9 September 14
10 Oktober 16
11 November 18
12 Desember 12

4.2 Pengolahan dan Analisis Data

4.2.1 Metode Simple Moving Averages
Mengacu pada data permintaan tersebut, tentukanlah berapa
besar permintaan ramalan untuk bulan april, jika diketahui n = 3
bulan sebelumnya (januari, februari, maret)!
Berikut merupakan langkah-langkah dalam menyelesaikan
peramalan tersebut :
1. Dari tampilan Menu, Klik dan pilihlah modul, setelah muncul
beberapa pilihan klik forecasting.

IV-1
 IV-2

2. Setelah itu, dari Menu, Klik file dan pilih. Kemudian, klik
pilihan new.

3. Saat memilih new, akan muncul pilihan Time series analysis dan
Least squares. Lalu, pilih dan klik Time series analysis.
 IV-3

4. Setelah itu, akan muncul Window Creating a new data set.

5. Lalu, isilah tiga item data set tersebut yakni sebagai berikut:
a. Title (Judul Kasus) : Permintaan Produk Handphone
b. Number of Past Periods (Jumlah Periode) : 12
c. Row Name Options : Januari, Februari, dst.
Jika sudah mengisi klik lah OK.

6. Lalu, akan muncul tampilan input data yang harus kalian isi
yakni sebagai berikut :
a. Method : Klik pada box Method, Lalu pilihlah Simple
Moving Average
b. Periode to averages : Klik pada box Periode to averages,
kemudian tulis 3 dalam kolom tersebut
c. Input Data : Masukkan seluruh data permintaan yang ada
pada kolom Demand (y)
 IV-4

7. Lalu, muncul Windows Forecasting Results sebagai berikut:

8. Klik Windows kemudian pilihlah Graph agar kalian dapat

melihat grafik Lalu, munculah perincian grafik sebagai berikut:

9. Untuk melihat detail pengukuran tingkat kesalahan, dari Menu

klik Window, kemudian pilih dan klik Detail and Error Analysis
Dengan rincian sebagai berikut:
 IV-5

Analisis : Dari data yang ada, dengan keterangan n = 3 bulan,

maka untuk ramalan pada bulan April akan dihitung berdasarkan
data 3 bulan sebelumnya, yakni Januari, Februari, dan Maret.
Berlandaskan hal tersebut, ramalan permintaan laptop untuk bulan
April yakni sebagai berikut
10+13+12
Ramalan Bulan April : = 11, 6
3
Kesimpulan : Berdasarkan data permintaan peramalan.
Untuk bulan april menunjukkan bahwa permintaanya ialah 15. Hal
ini menunjukkan bahwa pada bulan April terjadi Error dengan
rincian :
15 – 11, 6 = 3,4 %

4.2.2 Metode Weighted Moving Averages

Diketahui berdasarkan data pada tabel 4.1 diketahui untuk
pembobotan masing-masing periode pada data tersebut yaitu sebagai
berikut:
Tabel 4.2 Pembobotan Data
Periode Bobot
Bulan sebelumnya 3
2 bulan sebelumnya 2
3 bulan sebelumnya 1
Jumlah bobot 6

Dengan demikian ramalkanlah permintaan peramalan pada

bulan april mengacu pada data tersebut.
1. Dari tampilan Menu, Klik dan pilihlah modul, setelah muncul
beberapa pilihan klik forecasting.
 IV-6

2. Setelah itu, dari Menu, Klik File dan pilih. Kemudian, klik
pilihan New.

3. Saat memilih New, akan muncul pilihan Time series analysis

dan Least squares. Lalu, pilih dan klik Time series analysis.
 IV-7

4. Setelah itu, akan muncul tampilan input data. Setelah itu,

masukkan bobot pada kolom Weight

5. Setelah melakukan pengisian bobot akan muncul Window

Forecasting sebagai berikut :

6. Lalu, klik Menu dan Windows, kemudian pilih dan klik Graph.
Untuk melihat Grafik
 IV-8

7. Untuk melihat detail pengukuran tingkat kesalahan, dari Menu

klik Window, kemudian pilih dan klik Detail and Error
Analysis:

Analisis : Berdasarkan data pada tabel 4.1 diperoleh hasil peramalan

pada bulan april yakni sebesar 15. Tetapi ternyata, untuk nilai
peramalan bulan april menurut metode Weighted Moving Averages
diperoleh data sebesar 12.
Kesimpulan : Berdasarkan data permintaan peramalan. Untuk bulan
april menunjukkan bahwa permintaanya ialah 15. Hal ini
menunjukkan bahwa pada bulan April terjadi Error dengan rincian :
12 – 15 = -3 %

4.2.3 Metode Exponential Smoothing

Berdasarkan pada tabel 4.1, diketahui bahwa ramalan pada
bulan Januari untuk permintaan di bulan Februari adalah sebanyak
140. Pada kenyataannya, permintaan produk motor untuk Pebruari
adalah sebanyak 150 unit. Jika nilai α adalah sebesar 0,20, tentukan
ramalan permintaan produksi motor pada bulan April 2022.
1. Dari tampilan Menu, Klik dan pilihlah modul, setelah muncul
beberapa pilihan klik forecasting.
 IV-9

2. Setelah itu, dari Menu, Klik File dan pilih. Kemudian, klik
pilihan New

3. Saat memilih New, akan muncul pilihan Time series analysis

dan Least squares. Lalu, pilih dan klik Time series analysis.

4. Setelah itu, akan muncul Window Creating a new data set

 IV-10

5. Lalu, isilah tiga item data set tersebut yakni sebagai berikut :
a. Title (Judul Kasus) : Permintaan Produk Motor
b. Number of Past Periods (Jumlah Periode) : 2
c. Row Name Options : Januari, Februari, dst.
Jika sudah mengisi klik lah OK

6. Pada tampilan input data geser pointer ke box Method. Lalu,

pada box Method, kemudian pilih dan klik Exponential
Smoothing.

7. Setelah itu akan muncul box Alpha for smoothing. Klik box
Alpha for smoothing, dan sesuaikan dengan nilai α.

8. Lalu, masukan Input data : Masukkan data permintaan dan

ramalan periode lalu.
 IV-11

9. Lalu, Klik Solve untuk menampilkan solusi dari persoalan

tersebut.

Kesimpulan : Dengan demikian perhitungan ramalan untuk

permintaan bulan april adalah sebagai berikut:
Ramalan bulan April = 142
 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil praktikum “Forecasting” dapat disimpulkan
bahwa:
1. Forecasting (peramalan) adalah aktivitas yang pertama kali dilakukan
dalam menentukan jadwal produksi di masa depan. Peramalan
didasarkan pada penentuan (prediksi) jumlah permintaan (demand)
sebuah produk yang kemudian akan dijadikan sebagai target produksi.
2. Kegunaan peramalan adalah untuk mengambil keputusan yang tepat
berdasarkan peristiwa masa lalu.
3. Peramalan dalam sistem produksi berfungsi untuk menentukan
aktivitas produksi yang akan terjadi di masa yang akan datang
berdasarkan data historis masa lalu guna memperoleh suatu sistem dan
kebijakan yang lebih baik dan menguntungkan bagi perusahaan atau
organisasi yang terkait.
4. Metode yang terdapat dalam peramalan yaitu metode kuantiatif
(metode time series dan metode kausal) dan metode kualitatif.
5. Peramalan dapat diaplikasikan dengan cara memilah fungsi peramalan
mana yang sesuai dengan kebutuhan perusahaan tersebut agar menjadi
acuan untuk produksi barang kedepannya.
6. Peramalan pada permintaan produksi handphone ini, dapat dikatakan
mampu memberikan gambaran bagi produksi barang perusahaan
tersebut. Walaupun terdapat error-error dalam perhitungannya.

5.2 Saran
Adapun saran dan masukan dalam pelaksanaan praktikum “Forecasting”
ialah :
1. Untuk praktikan sebaiknya lebih teliti dalam melakukan pengolahan
data manual forecasting agar mendapatkan hasil sesuai dengan yang
diinginkan.

V-1
 V-2

2. Praktikan sebaiknya lebih menguasai software yang mendukung dalam

melakukan praktikum forecasting ini yaitu software POM QM.
3. Praktikan sebaiknya memahami materi forecasting lebih baik sehingga
mudah dalam melakukan pembahasan materi mengenai forecasting.
 DAFTAR PUSTAKA

1. Forecasting - BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan

merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan
penggunaan produk | Course Hero . (2022). Diambil 13 October 2022, dari
https://www.coursehero.com/file/23329139/Forecasting/
2. Lusiana, A., & Yuliarty, P. (2020). Penerapan Metode Peramalan
(Forecasting) pada Permintaan Atap di PT X. Industri Inovatif: Jurnal
Teknik Industri, 10(1), 11-20.
3. mahardhika, a. (2022). Laporan Modul Forecasting (Peramalan). Diambil
15 October 2022, dari
https://www.academia.edu/11759479/Laporan_Modul_Forecasting_Peram
alan_
4. Muhammad Rizki, S. (2022). Laporan Praktikum Sistem Produksi MODUL
II FORECASTING. Diambil 17 October 2022, dari
https://www.academia.edu/45588832/Laporan_Praktikum_Sistem_Produk
si_MODUL_II_FORECASTING
5. Sudiro, N. (2022). Laporan Praktikum Sistem Produksi II Modul I -
Forecasting. Diambil 15 October 2022, dari
https://www.academia.edu/38724123/Laporan_Praktikum_Sistem_Produk
si_II_Modul_I_Forecasting

1
LAMPIRAN

Lampiran A

L-1
LEMBAR REVISI