PENDAHULUAN
diperlukan untuk memproduksi produk pada suatu periode tertentu di masa yang
adalah dua fungsi manajemen yang tidak dapat dipisahkan dalam setiap bidang
proses manajemen yang meliputi penetapan tujuan dan sasaran yang ingin dicapai
dan keputusan tentang bagaimana cara untuk mencapai tujuan dan sasaran tersebut.
suatu periode tertentu sesuai dengan yang diramalkan atau dijadwalkan melalui
pengorganisasian sumber daya seperti tenaga kerja, bahan baku, mesin dan
peralatan lainnya.
di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan pengambilan
data historis dan memproyeksikan ke masa mendatang dengan suatu bentuk model
matematis (kuantitatif), atau bisa juga merupakan prodiksi intuisi yang bersifat
berkala (time series) dan metode kausal. Metode time series merupakan bagian dari
bergerak), simple average metode yang digunakan jika data yang tersedia tidak
mengandung unsur trend dan faktor musiman, Weighted Moving Average Metode
(WMA) yaitu peramalan dengan memberikan pembobotan lebih berat kepada data
yang terbaru, dan mengurangi pembobotan pada data yang lampau. Dan yang
terakhir Single Exponential Smoothing yaitu metode yang digunakan untuk data
Pada praktikum kali ini, praktikan membuat perecanaan produksi rak meja
multi fungsi. Hal tersebut bertujuan untuk menjamin kelangsungan produksi agar
kuantitas, tepat kualitas, tepat waktu, dan dengan harga yang kompetitif. Untuk
memperoleh kondisi seperti diatas maka perlu perencanaan produksi yang baik agar
1. Bagaimana cara menentukan pola data dan metode yang sesuai dengan
sebagai berikut:
praktikum ini yang didapatkan dari pola data yang telah terbentuk.
3. Dapat mengetahui hasil sebaran data sebagai uji verifikasi pada metode
Adapun batasan masalah pada Modul III Perencanaan Produksi I ini adalah
sebagai berikut:
2. Model peramalan yang digunakan berasal dari pola data yang terbentuk.
1.5 Asumsi-Asumsi
Adapun asumsi untuk Modul III Perencanaan Produksi I ini adalah sebagai
berikut:
2. Hasil verifikasi peramalan telah sesuai dengan hasil nilai kesalahan terkecil.
3. Proses produksi pembuatan rak meja multfungsi berjalan lancar dan sesuai
BAB I PENDAHULUAN
Bab ini berisi tentang pengolahan data dari bab sebelumnya seperti
Bab ini berisi tentang kesimpulan dari hasil pembahasan dan saran-
DAFTAR PUSTAKA
LAMPIRAN
BAB II
TINJAUAN PUSTAKA
berikut:
berlangsung.
3. Suatu perencanaan yang dikonsep secara baik serta dijalankan dengan benar
tertentu dimasa yang akan datang dengan kualitas yang dikehendaki serta dengan
masuk.
penjualan ini hal ini karena, kegiatan produksi tidak dilakukan berdasarkan
pesanan akan teteapi untuk memenuhi pasar dan jumlah yang besar serta serta
tertentu.
2. Jenis dan mutu dari barang yang diproduksi ada beberapa hal mengenai jenis
c. Sifat dari produksi yang akan dihasilkan, apakah merupakan barang yang
e. Mutu dari barang yang akan diproduksi tergantung pada biaya persatuan yang
produksi tersebut.
3. Barang yang diproduksi apakah merupakan barang yang baru ataukah barang
lama untuk barang yang baru maka, perlu diadakan penelitian terlebih
pendahuluan mengenai:
4. Hal-hal lain yang dibutuhkan untuk memulai produksi tersebut yaitu untuk
barang yang lama atau telah ada, perencanaan produksinya adalah lebih
peristiwa dimasa mendatang (Heizer dan Barry, 2015: 112). Menurut Rusdiana
(2014: 95), peramalan adalah salah satu kegiatan yang dianggap mampu dijadikan
dasar dalam pembuatan strategi produksi perusahaan. Fahmi (2014: 159) juga
berbagai pendekatan baik kualitatif dan kuantitatif (Indah & Rahmadani, 2018).
ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka
dengan bantuan penyusunan rencana terlebih dahulu, dimana rencana ini dibuat
menyangkut keadaan pada masa yang akan datang, pasti ada peramalan yang
peramalan sebagai proses menyusun informasi tentang kejadian masa lampau yang
berurutan untuk menduga kejadian pada masa depan. Berdasarkan dua definisi di
atas, pada hakikatnya peramalan merupakan bagian awal dari proses pengambilan
satu atau beberapa produk pada periode yang akan datang. Dalam praktiknya,
permintaan terhadap suatu produk yang dilakukan pada awal proses perencanaan
keadaan dimasa datang dengan menemukan dan mengukur beberapa varibel bebas
yang penting beserta pengaruhnya terhadap variabel tak bebas yang diamati.
yang dapat meminimumkan kesalahan meramal dan dapat diukur dengan Mean
dengan pendekatan analisis terhadap suatu fenomena atau pola dari data yang lalu,
sehingga dapat memberikan gambaran menganai cara berfikir dari pengerjaan dan
pemecahan suatu masalah dalam situasi yang sistematis dan dpat dibuktikan secara
riil sehingga memberikan tingkat keyakinan yang lebih pada saat pengambilan
organisasi, publik atau swasta, beroperasi dalam lingkungan yang tidak pasti dan
merupakan bagian integral dari sistem perencanaan dan kontrol, dan organisasi
memprediksi masa depan secara efektif dan tepat waktu. Kepemimpinan bisnis
yang sukses berasal dari kemampuan untuk meramalkan perkembangan masa depan
dan kemampuan untuk membuat keputusan yang tepat. Oleh karena itu, peramalan
dapat digunakan sebagai alat untuk memandu keputusan bisnis untuk masa depan,
yang sangat penting dalam perencanaan dan tindakan strategis (Yudaruddin, 2019).
Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya
tingkat produksi.
Umumnya untuk perencanaan masa tiga tahun atau lebih. Peramalan jangka
(litbang).
Dalam time series terdapat empat macam tipe pola data, yaitu:
1. Horizontal
tingkatan atau rata-rata yang konstan. Sebagai contoh penjualan tiap bulan
suatu produk tidak meningkat atau menurun secara konsisten pada suatu
waktu.
2. Musiman (Seasonal)
Tipe data seasonal ialah ketika observasi dipengaruhi oleh musiman, yang
ditandai dengan adanya pola perubahan yang berulang secara otomatis dari
tahun ke tahun. Sebagai contoh adalah pola data pembelian buku baru pada
3. Trend
Tipe data trend ialah ketika observasi naik atau menurun pada perluasan
4. Cyclical
Tipe data cyclical ditandai dengan adanya fluktuasi bergelombang data yang
terjadi di sekitar garis trend. Sebagai contoh adalah data-data pada kegiatan
Teknik peramalan dapat dibagi dalam 2 bagian dilihat dari sifatnya yaitu:
a. Peramalan Kualitatif
pada masa lalu. Hasil peramalan sangat bergantung pada orang yang menyusunnya,
b. Peramalan Kuantitatif
pada masa lalu. Peramalan yang baik adalah peramalan yang dilakukan dengan
dapat dibagi dalam deret berkala (time series) dan metode kausal (Zahra, 2021).
metode moving average data yang dimanfaatkan meruakan data masa lalu yang
terdiri dari data yang tidak memiliki suatu unsur trend atau musiman yang
kemudian di ubah menjadi tren dari suatu deret waktu. Dalam upaya mencari nilai
dari pendekatan moving average terlebih dahulu yang dilakukan ialah menentukan
dahulu keseluruhan periode yang akan dicari. Kemudian setelah jumlah periode
ditentukan yang digunakan pada observasi di setiap rata-rata atau MA(T) dapat
dihitung nilai rata-ratanya, dimana nilai dari rata-rata bergerak tersebut yang
bergerak dengan memanfaatkan data riil dari pelanggan yang paling baru
selanjutnya.
3. Weighted Moving Average Metode (WMA) tool ini biasanya digunakan untuk
baik.
pendekatan ini yaitu jika lebih besar nilai α, selanjutnya smoothing yang ada
dibandingkan kenyataannya.
PENGUMPULAN DATA
berikut:
Mulai
Rumusan Masalah
Tujuan Penelitian
Pengumpulan Data:
1. Data Permintaan
Produksi Rak Troli
Penentuan Metode
Peramalan sesuai Plot Data
A
A
Analisa Nilai
Kesalahan Peramalan
Pemilihan Metode
Peramalan dengan Nilai
Kesalahan Terkecil
Verifikasi Peramalan
Tidak Data
Kontrol?
Ya
Analisa dan Pembahasan
Selesai
1. Mulai
dengan terminator yang menunjukkan awal dari sebuah proses atau prosedur.
2. Studi Lapangan
Studi lapangan sangat diperlukan karena pada tahap ini dimaksudkan untuk
3. Studi Literatur
Studi literatur merupakan tahap pencarian referensi baik dari buku, jurnal,
4. Rumusan Masalah
terselesaikan.
5. Tujuan Penelitian
adalah dapat meramalkan data permintaan produksi untuk di masa yang akan
Variabel adalah segala sesuatu yang mempunyai variasi atau perbedaan nilai
terukur. Variabel yang digunakan adalah variabel terikat dan variabel bebas.
Variabel terikat pada studi kasus kali ini adalah perencanaan produksi.
Sedangkan pada variabel bebas pada studi kasus kali ini adalah data
Data yang digunakan dalam penelitian ini adalah data sekunder. Sumber
tersebut berasal dari data penelitian. Data yang dibutuhkan adalah data
Tahap ini ditujukan untuk pembuatan plot atau pola data yang digunakan
praktikum ini.
Pada langkah ini bertujuan agar mengetahui model dari data yang akan
Pengolahan data merupakan suatu proses atau upaya pengolahan data menjadi
sebuah informasi baru agar karakteristik data tersebut menjadi lebih mudah
pada studi kasus ini menggunakan peramalan dengan beberapa metode yaitu
Pada langkah ini melakukan analisa dari hasil peramalan dari beberapa
metode di atas yang diperoleh agar data yang didapatkan dapat dikatakan
memilih metode peramalan dari hasil nilai kesalahan terkecil yang diperoleh
pada saat melakukan pengolahan data dengan meninjau dari hasil nilai MAD,
MSE, dan MAPE lalu melakukan perbandingan dengan tiap-tiap metode yang
digunakan.
Pada langkah ini bertujuan agar data yang diperoleh dapat mewakili data dari
keadaan aslinya (data rill) dan hasil peramalan tetap berada di batas kontrol
pengolahan data peramalan di atas dengan penyajian secara cermat dan jelas
kerangka teori.
Di dalam kesimpulan dan saran berisi pernyataan singkat, jelas, dan sistematis
sebuah penelitian serta usul atau pendapat dari peneliti yang berkaitan dengan
penelitian lanjutan.
16. Pengolahan Data Selesai
mempengaruhi variabel lainnya. Variabel terikat pada studi kasus ini adalah
perencanaan produksi.
bebas pada studi kasus ini adalah data permintaan produksi rak troli.
Permintaan
Periode Bulan
Aktual (Unit)
1 Maret 2021 1047
2 April2021 943
3 Mei 2021 1024
4 Juni 2021 1035
5 Juli 2021 1096
6 Agustus 2021 955
7 Seotember2021 1047
Permintaan
Periode Bulan
Aktual (Unit)
8 Oktober 2021 1041
9 November 2021. 1047
10 Desember 2021 1127
11 Januari 2022 1093
12 Februari 2022 980
13 Maret 2022 1028
14 April2022 938
15 Mei 2022 1001
16 Juni 2022 1102
17 Juli 2022 944
18 Agustus 2022 961
19 Seotember2022 1068
20 Oktober 2022 1091
21 November2022. 1007
22 Desember 2021 964
23 Januari 2023 1019
24 Februari 2023 1080
BAB IV
PENGOLAHAN DATA
Tabel di bawah ini merupakan data permintaan dari produksi rak troli:
Permintaan
Periode Bulan Aktual
(Unit)
1 Maret 2021 1047
2 April 2021 943
3 Mei 2021 1024
4 Juni 2021 1035
5 Juli 2021 1096
6 Agustus 2021 955
7 September 2021 1047
8 Oktober 2021 1041
9 November 2021 1047
10 Desember 2021 1127
11 Januari 2022 1093
12 Februari 2022 980
13 Maret 2022 1028
14 April 2022 938
15 Mei 2022 1001
16 Juni 2022 1102
17 Juli 2022 944
18 Agustus 2022 961
19 September 2022 1068
20 Oktober 2022 1091
21 November 2022 1007
22 Desember 2021 964
23 Januari 2023 1019
24 Februari 2023 1080
Permintaan Aktual
1200
1000
800
600
400
200
0
Sep-21
Nov-21
Feb-22
Aug-22
Sep-22
Feb-23
Aug-21
Nov-22
Oct-21
Oct-22
Mar-21
Mar-22
Jul-21
Jun-22
Jul-22
Jun-21
Dec-21
Dec-22
May-21
Jan-22
May-22
Jan-23
Apr-21
Apr-22
Gambar 4.1 Plot Data Permintaan Rak Troli
Berdasarkan gambar plot data permintaan rak troli di atas, plot data tersebut
cocok dengan pola data horizontal. Maka, metode yang cocok untuk pola data
horizontal adalah metode Single Exponential Smoothing, metode Naïve atau Past
Berikut ini merupakan hasil dari peramalan produksi rak troli yang telah
dibuat:
Berikut ini merupakan hasil dari peramalan produksi rak troli menggunakan
= 1044
yang memiliki alpha 0,03 akan menghasilkan nilai 1044 pada periode berikutnya.
Grafik Data Aktual dan Forecast
1200
1000
800
600
400
200
0
Ramalan
Berdasarkan
Permintaan
Single
Bulan Aktual Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
Exponential
(Unit)
Smooting
(α = 0,03)
Maret 2021 1047
April 2021 943 1047 -104 104 10816 -10 10
Mei 2021 1024 1044 -20 20 400 -2 2
Juni 2021 1035 1043 -8 8 64 -1 1
Juli 2021 1096 1043 53 53 2809 5 5
Agustus 1045 -90 90 8100 -9 9
955
2021
September 1042 5 5 25 0 0
1047
2021
Oktober 1042 -1 1 1 0 0
1041
2021
November 1042 5 5 25 0 0
1047
2021
Ramalan
Berdasarkan
Permintaan
Single
Bulan Aktual Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
Exponential
(Unit)
Smooting
(α = 0,03)
Desember 1042 85 85 7225 8 8
1127
2021
Januari 1045 48 48 2304 5 5
1093
2022
Februari 1046 -66 66 4356 -6 6
980
2022
Maret 2022 1028 1044 -16 16 256 -2 2
April 2022 938 1044 -106 106 11236 -10 10
Mei 2022 1001 1041 -40 40 1600 -4 4
Juni 2022 1102 1040 62 62 3844 6 6
Juli 2022 944 1042 -98 98 9604 -9 9
Agustus
961 1039 -78 78 6084 -8 8
2022
September 1037 31 31 961 3 3
1068
2022
Oktober 1038 53 53 2809 5 5
1091
2022
November
1007 1040 -33 33 1089 -3 3
2022
Desember 1039 -75 75 5625 -7 7
964
2021
Januari
1019 1037 -18 18 324 -2 2
2023
Februari
1080 1036 44 44 1936 4 4
2023
Maret 2023 1037
TOTAL 24638 24995 -367 1139 81493 -37 109
𝐴𝑡−𝐹𝑡
MAD = ∑ | |
𝑛
1139
= ∑| |
25
= 45,56 ≈ 46
(𝐴𝑡−𝐹𝑡)2
MSE = 𝑛
81493
=
25
= 3259,72
100 𝐹𝑡
MAPE = ( ) ∑ |𝐴𝑡 − 𝐴𝑡 |
𝑛
109
= 25
= 4,36%
metode Single Exponential Smoothing diperoleh nilai MAD adalah sebesar 46, nilai
Berikut ini adalah tampilan untuk mengetahui hasil dari peramalan produksi
= 1047 = 1047
Jadi, dari perhitungan di atas dapat diketahui bahwa hasil dari metode Naïve
Metode Naïve
B. Hasil Kesalahan Peramalan
metode Naïve:
Permintaan Ramalan
Bulan Aktual Berdasarkan Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
(Unit) Metode Naïve
Maret 2021 1047
April 2021 943 1047 -104 104 10816 -10 10
Mei 2021 1024 943 81 81 6561 9 9
Juni 2021 1035 1024 11 11 121 1 1
Juli 2021 1096 1035 61 61 3721 6 6
Agustus 2021 955 1096 -141 141 19881 -13 13
September 2021 1047 955 92 92 8464 10 10
Oktober 2021 1041 1047 -6 6 36 -1 1
November 2021 1047 1041 6 6 36 1 1
Desember 2021 1127 1047 80 80 6400 8 8
Januari 2022 1093 1127 -34 34 1156 -3 3
Februari 2022 980 1093 -113 113 12769 -10 10
Maret 2022 1028 980 48 48 2304 5 5
April 2022 938 1028 -90 90 8100 -9 9
Mei 2022 1001 938 63 63 3969 7 7
Juni 2022 1102 1001 101 101 10201 10 10
Juli 2022 944 1102 -158 158 24964 -14 14
Agustus 2022 961 944 17 17 289 2 2
September 2022 1068 961 107 107 11449 11 11
Oktober 2022 1091 1068 23 23 529 2 2
November 2022 1007 1091 -84 84 7056 -8 8
Desember 2021 964 1007 -43 43 1849 -4 4
Januari 2023 1019 964 55 55 3025 6 6
Februari 2023 1080 1019 61 61 3721 6 6
Maret 2023 1080
TOTAL 23591,00 23558,00 33,00 147417,00 12,00 156,00
𝐴𝑡−𝐹𝑡
MAD = ∑ | |
𝑛
1579,00
= ∑| |
25
= 63,16 ≈ 63
(𝐴𝑡−𝐹𝑡)2
MSE = 𝑛
147417
= 25
= 5896,68 ≈ 5897
100 𝐹𝑡
MAPE = ( ) ∑ |𝐴𝑡 − 𝐴𝑡 |
𝑛
156
= 25
= 6,24%
metode Naïve diperoleh nilai MAD adalah sebesar 63, nilai MSE sebesar 5897,
Berikut ini diketahui hasil peramalan produksi rak troli menggunakan metode
Moving Average:
Ramalan
Permintaan
Periode Bulan Berdasarkan Metode
Aktual (Unit)
Moving Average
1 Maret 2021 1047
2 April 2021 943
3 Mei 2021 1024
4 Juni 2021 1035 1005
5 Juli 2021 1096 1001
6 Agustus 2021 955 1052
7 September 2021 1047 1029
8 Oktober 2021 1041 1033
Ramalan
Permintaan
Periode Bulan Berdasarkan Metode
Aktual (Unit)
Moving Average
9 November 2021 1047 1014
10 Desember 2021 1127 1045
11 Januari 2022 1093 1072
12 Februari 2022 980 1089
13 Maret 2022 1028 1067
14 April 2022 938 1034
15 Mei 2022 1001 982
16 Juni 2022 1102 989
17 Juli 2022 944 1014
18 Agustus 2022 961 1016
19 September 2022 1068 1002
20 Oktober 2022 1091 991
21 November 2022 1007 1040
22 Desember 2021 964 1055
23 Januari 2023 1019 1021
24 Februari 2023 1080 997
25 Maret 2023 1021
TOTAL 21624 21548
∑ 1047+943+1024
= 3
= 1005
Ramalan
Permintaan Berdasarkan
Bulan Aktual Metode Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
(Unit) Moving
Average
Maret 2021 1047
April 2021 943
Mei 2021 1024
Juni 2021 1035 1005 30 30 900 3 3
Juli 2021 1096 1001 95 95 9025 9 9
Agustus 2021 955 1052 -97 97 9409 -9 9
September 2021 1047 1029 18 18 324 2 2
Oktober 2021 1041 1033 8 8 64 1 1
November 2021 1047 1014 33 33 1089 3 3
Desember 2021 1127 1045 82 82 6724 8 8
Januari 2022 1093 1072 21 21 441 2 2
Februari 2022 980 1089 -109 109 11881 -10 10
Maret 2022 1028 1067 -39 39 1521 -4 4
Ramalan
Permintaan Berdasarkan
Bulan Aktual Metode Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
(Unit) Moving
Average
April 2022 938 1034 -96 96 9216 -9 9
Mei 2022 1001 982 19 19 361 2 2
Juni 2022 1102 989 113 113 12769 11 11
Juli 2022 944 1014 -70 70 4900 -7 7
Agustus 2022 961 1016 -55 55 3025 -5 5
September 2022 1068 1002 66 66 4356 7 7
Oktober 2022 1091 991 100 100 10000 10 10
November 2022 1007 1040 -33 33 1089 -3 3
Desember 2021 964 1055 -91 91 8281 -9 9
Januari 2023 1019 1021 -2 2 4 0 0
Februari 2023 1080 997 83 83 6889 8 8
Maret 2023 1021
TOTAL 21624 21548 76 1260 102268 10 122
𝐴𝑡−𝐹𝑡
MAD = ∑ | |
𝑛
1260
= ∑| |
25
= 50,4 ≈ 50
(𝐴𝑡−𝐹𝑡)2
MSE = 𝑛
102268
=
25
= 4090,72 ≈ 4091
100 Ft
MAPE = ( ) ∑ |At − At|
n
122
= 25
= 4.88%
metode Moving Average diperoleh nilai MAD adalah sebesar 50, nilai MSE sebesar
Berikut ini merupakan hasil dari peramalan dan kesalahan produksi rak troli
Ramalan Berdasarkan
Permintaan
Periode Bulan Metode Weighted
Aktual (Unit)
Moving Average
1 Maret 2021 1047
2 April 2021 943
3 Mei 2021 1024
4 Juni 2021 1035 1001
5 Juli 2021 1096 1016
6 Agustus 2021 955 1064
7 September 2021 1047 1015
8 Oktober 2021 1041 1025
9 November 2021 1047 1029
10 Desember 2021 1127 1045
11 Januari 2022 1093 1086
12 Februari 2022 980 1097
13 Maret 2022 1028 1042
14 April 2022 938 1023
15 Mei 2022 1001 975
16 Juni 2022 1102 985
17 Juli 2022 944 1041
18 Agustus 2022 961 1006
19 September 2022 1068 979
20 Oktober 2022 1091 1012
21 November 2022 1007 1062
22 Desember 2021 964 1045
23 Januari 2023 1019 1000
24 Februari 2023 1080 999
25 Maret 2023 1040
TOTAL 21624 21547
∑(𝑏𝑜𝑏𝑜𝑡 𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)(𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)
WMA = ∑ 𝑏𝑜𝑏𝑜𝑡
∑(3×1024)+(2×943)+(1×1047)
= ∑ 3+2+1
= 1001
Metode Weight Moving Average diperoleh nilai WMA adalah sebesar 1001.
Ramalan
Berdasarkan
Permintaan Metode
Bulan Aktual Weighted Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
(Unit)
Moving
Average
Maret 2021 1047
April 2021 943
Mei 2021 1024
Juni 2021 1035 1001 34 34 1156 3 3
Ramalan
Berdasarkan
Permintaan Metode
Bulan Aktual Weighted Error |Error| (𝑬𝒓𝒓𝒐𝒓)𝟐 %Error |%Error|
(Unit)
Moving
Average
Juli 2021 1096 1016 80 80 6400 8 8
Agustus 2021 955 1064 -109 109 11881 -10 10
September 2021 1047 1015 32 32 1024 3 3
Oktober 2021 1041 1025 16 16 256 2 2
November 2021 1047 1029 18 18 324 2 2
Desember 2021 1127 1045 82 82 6724 8 8
Januari 2022 1093 1086 7 7 49 1 1
Februari 2022 980 1097 -117 117 13689 -11 11
Maret 2022 1028 1042 -14 14 196 -1 1
April 2022 938 1023 -85 85 7225 -8 8
Mei 2022 1001 975 26 26 676 3 3
Juni 2022 1102 985 117 117 13689 12 12
Juli 2022 944 1041 -97 97 9409 -9 9
Agustus 2022 961 1006 -45 45 2025 -4 4
September 2022 1068 979 89 89 7921 9 9
Oktober 2022 1091 1012 79 79 6241 8 8
November 2022 1007 1062 -55 55 3025 -5 5
Desember 2021 964 1045 -81 81 6561 -8 8
Januari 2023 1019 1000 19 19 361 2 2
Februari 2023 1080 999 81 81 6561 8 8
Maret 2023 1040
TOTAL 21624 21547 77 1283 105393 13 125
𝐴𝑡−𝐹𝑡
MAD = ∑ | |
𝑛
1283
= ∑| |
25
= 51,32 ≈ 51
(𝐴𝑡−𝐹𝑡)2
MSE = 𝑛
105393
= 25
= 4215,72 ≈ 4216
100 Ft
MAPE = ( ) ∑ |At − At|
n
125
= 25
= 5%
metode Weighted Moving Average diperoleh nilai MAD adalah sebesar 51, nilai
Pada peramalan produksi meja lipat digunakan 4 metode yaitu adalah metode
Avarege dan metode Past Data atau metode Naïve. Berikut merupakan tabel yang
Uji Kesalahan
Metode
MAD MSE MAPE
Singel Exponential Smoothing 45.56 3259.72 4.36
Naïve 63.16 5896.68 6.24
Moving Average 50.4 4090.72 4.88
Weighted Moving Average 51.32 4215.72 5
Berdasarkan perhitungan peramalan tersebut, peramalan masing-masing
dilakukan untuk mengetahui jumlah permintaan produk rak troli. Dari hasil
peramalan yang dilakukan, maka yang dipilih yaitu metode Single Exponential
Smoothing karena menghasilkan uji kesalahan MAD dengan nilai terkecil yaitu
sebesar 45,56%.
4.4 Verifikasi Peramalan
Permintaan ̅̅̅̅̅
Bulan Ramalan Error MR 𝐌𝐑 BKA BKB
Aktual (Unit)
Maret 2021 1047
April 2021 943 1047
Mei 2021 1024 1044 -20 84 62.6667 166.6933 -166.693
Juni 2021 1035 1043 -8 12 62.6667 166.6933 -166.693
Juli 2021 1096 1043 53 61 62.6667 166.6933 -166.693
Agustus 2021 955 1045 -90 143 62.6667 166.6933 -166.693
September 2021 1047 1042 5 95 62.6667 166.6933 -166.693
Oktober 2021 1041 1042 -1 6 62.6667 166.6933 -166.693
November 2021 1047 1042 5 6 62.6667 166.6933 -166.693
Desember 2021 1127 1042 85 80 62.6667 166.6933 -166.693
Januari 2022 1093 1045 48 37 62.6667 166.6933 -166.693
Februari 2022 980 1046 -66 114 62.6667 166.6933 -166.693
Maret 2022 1028 1044 -16 50 62.6667 166.6933 -166.693
April 2022 938 1044 -106 90 62.6667 166.6933 -166.693
Mei 2022 1001 1041 -40 66 62.6667 166.6933 -166.693
Juni 2022 1102 1040 62 102 62.6667 166.6933 -166.693
Juli 2022 944 1042 -98 160 62.6667 166.6933 -166.693
Agustus 2022 961 1039 -78 20 62.6667 166.6933 -166.693
September 2022 1068 1037 31 109 62.6667 166.6933 -166.693
Oktober 2022 1091 1038 53 22 62.6667 166.6933 -166.693
November 2022 1007 1040 -33 86 62.6667 166.6933 -166.693
Desember 2021 964 1039 -75 42 62.6667 166.6933 -166.693
Januari 2023 1019 1037 -18 57 62.6667 166.6933 -166.693
Februari 2023 1080 1036 44 62 62.6667 166.6933 -166.693
Maret 2023 1037
TOTAL 24638 23958 -263 1504
Tabel 4.13 Verifikasi Peramalan
Ft 1044
At 1024
𝐹𝑡−1 1047
𝐴𝑡−1 943
= |(𝐹𝑡 − 𝐴𝑡) − (𝐹𝑡−1 − 𝐴𝑡−1 )|
MR = |(1044 − 1024) − (1047 − 943)|
= 84
∑ 𝑀𝑅
= 𝑛−1
̅̅̅̅̅
MR 1504
= 25−1
= 66,667
̅̅̅̅̅)
= +2,66(𝑀𝑅
BKA = +2,66(66,667)
= 166,693
̅̅̅̅̅)
= −2,66(𝑀𝑅
BKB = −2,66(66,667)
= −166,693
Verifikasi Peramalan
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-200
-400
Error BKA BKB
Dari gambar grafik di atas dapat dilihat bahwa terdapat sistem yang stabil
dapat dinyatakan secara statistik bahwa peramalan tersebut dapat digunakan untuk
5.1 Kesimpulan
Analysis. Hal tersebut dikarenakan pengambilan data diambil dari data masa
ke masa yang akan datang. Dimana data tersebut memiliki periode mulai dari
2. Dari keempat metode tersebut diketahui nilai error MAD pada metode Single
pada metode Moving Average yaitu sebesar 50,4, nilai error MAD pada
metode weight moving average sebesar 51,32 dan nilai error MAD pada
metode Peramalan Naive yaitu sebesar 63,16. Maka dapat disimpulkan bahwa
terkecil.
Smoothing) diperoleh sebaran data dalam batas kontrol, sehingga metode ini
3. Sebaiknya dalam pengambilan data dapat lebih teliti agar saat pengolahan
Ahmad, F. (2020). Penentuan Metode Peramalan Pada Produksi Part New Granada
Hudaningsih, N., Firda Utami, S., & Abdul Jabbar, W. A. (2020). Perbandingan
https://doi.org/10.51401/jinteks.v2i1.554
10–18. https://ejurnalunsam.id/index.php/jensi/article/view/930
Rusdiana. (2014). Manajemen Operasi (Beni Ahmad Saebani (ed.); 1st ed.). CCV
Operasi.pdf
Pustaka Horizon.
a. Periode 3
= 1044
b. Periode 4
= 1043
c. Periode 5
= 1043
d. Periode 6
= 1045
e. Periode 7
= 1042
Perhitungan Manual MA
a. Periode 5
∑ 943+1024+1035
= 3
= 1001
b. Periode 6
∑ 1024+1035+1096
= 3
= 1052
c. Periode 7
∑ 1035+1096+955
= 3
= 1029
d. Periode 8
∑ 1096+955+1047
= 3
= 1033
e. Periode 9
∑ 955+1047+1041
= 3
= 1014
Perhitungan Manual WMA
a. Periode 5
∑(3×1035)+(2×1024)+(1×943)
= ∑ 3+2+1
= 1016
b. Periode 6
∑(3×1096)+(2×1035)+(1×1024)
= ∑ 3+2+1
= 1064
c. Periode 7
∑(3×955)+(2×1096)+(1×1035)
= ∑ 3+2+1
= 1015
d. Periode 8
∑(3×1047)+(2×955)+(1×1096)
= ∑ 3+2+1
= 1025
e. Periode 9
∑(3×1041)+(2×1047)+(1×955)
= ∑ 3+2+1
= 1029
Perhitungan Manual Naïve
a. Periode 3
= 943 = 943
b. Periode 4
= 1024 = 1024
c. Periode 5
= 1035 = 1035
d. Periode 6
= 1096 = 1096
e. Periode 7
= 955 = 955
Perhitungan Manual MR
a. Periode 4
= 12
b. Periode 5
c. Periode 6
= 143
d. Periode 7
= 95
e. Periode 8
=6