MODUL I
FORECASTING
Diajukan sebagai salah satu syarat untuk kelulusan praktikum Sistem Produksi
Disusun oleh :
KELOMPOK 1
FAKULTAS TEKNIK
UNIVERSITAS KRISNADWIPAYANA
JAKARTA
2023
LEMBAR PENGESAHAN
Laporan ini disusun sebagai salah satu syarat kelulusan Laporan Akhir
Sistem Produksi di laboratorium Fakultas Teknik Program Studi Teknik Industri
Universitas Krisnadwipayana.
Kelompok 1
Modul : Forecasting
Dengan ini telah diperiksa untuk
DITERIMA / DITOLAK
Jakarta, 9 Juni 2023
Menyetujui,
Dr. Ir. Aries Abbas, ST. MM, MT. Amallia Aindina Fitri
NIDN : 0329056505 NIM : 1970031040
Mengetahui,
i
KATA PENGANTAR
Puji syukur kita panjatkan kehadirat Allah SWT yang telah memberikan rahmat
Adapun tujuan dari penulisan dari makalah ini adalah untuk memenuhi tugas pada
Kami mengucapkan terima kasih kepada semua pihak yang tidak dapat kami
Kami menyadari, tugas yang kami tulis ini masih jauh dari kata sempurna. Oleh
karena itu, kritik dan saran yang membangun kami butuhkan demi kesempurnaan
makalah ini.
Akhir kata penulis mohon maaf atas kekeliruan dan kesalahan yang terdapat dalam
laporan praktikum ini dan berharap semoga laporan praktikum ini dapat
Kelompok 1
ii
DAFTAR ISI
iii
3.2.2 Perhitungan Forecast by 4 WMA .......................................................... 31
3.2.3 Perhitungan Forecast by SES ................................................................. 33
3.2.4 Perhitungan Menggunakan QM FOR WINDOWS dengan Metode
Moving Average ........................................................................................................ 36
3.2.5 Menggunakan QM FOR WINDOWS dengan Metode Weight Moving
Average 39
3.2.6 Menggunakan Qm For Windows dengan Metode Simple Exponential
Smoothing................................................................................................................. 42
3.2.7 Perhitungan Ongkos Produksi Per Unit ............................................... 45
3.2.8 Penyusunan JIP Untuk 12 Periode Kedepan ........................................ 46
3.2.9 Perhitungan Produksi Rate Bulanan .................................................... 46
BAB IV ANALISIS ............................................................................................................... 47
BAB V KESIMPULAN DAN SARAN ...................................................................................... 48
5.1 Kesimpulan ........................................................................................................ 48
5.2 Saran ................................................................................................................. 48
DAFTAR PUSTAKA .............................................................................................................. 49
LAMPIRAN ......................................................................................................................... 50
iv
DAFTAR GAMBAR
v
DAFTAR TABEL
Tabel 3. 1 Data Aktual ...................................................................................................... 26
Tabel 3. 2 metode 3MA Ms Excel .................................................................................... 30
Tabel 3. 3 metode 4 WMA Ms Excel ................................................................................ 33
Tabel 3. 4 Metode SES Menggunakan Ms Excel ............................................................. 35
Tabel 3. 5 Perhitungan Ongkos Produksi Per Unit ........................................................... 45
Tabel 3. 6 Penyusunan JIP Untuk 12 Periode Kedepan.................................................... 46
Tabel 3. 7 Perhitungan Produksi Rate Bulanan ................................................................ 46
vi
7
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Rate
windows ?
berikut.
4. Data yang digunakan dari periode bulai mei 2022 sampai bulan April
2023
9
Mulai
Technical meeting
Tugas pendahuluan
Praktikum
Identifikasi masalah
Rumusan masalah
Tujuan
Pengumpulan data
1. Data aktual
2. Tujuan peramalan
3. Identifikasi pola data
tidak
Pengolahan data
1. Perhitungan forcast metode 3MA 4WMA
dan SES menggunakan Ms Excel
2. Perhitungan forcast metode 3MA 4WMA dan
SES menggunakan QM for windows
Asistensi
ya
Pengumpulan laporan
Responsi
selesai
10
2. Technical meeting
3. Tugas pendahuluan
4. Praktikum
Industri
5. Identifikasi masalah
6. Perumusan Masalah
7. Tujuan
dilakukan.
11
laporan akhir praktikum agar nantinya dapat dibuat suatu hasil dan
9. Asistensi
ketetapan yang telah ditentukan oleh asisten lab maka praktikan harus
Laporan akhir dapat dikumpulkan jika sudah disetujui oleh asisten lab
disepakati.
11. Responsi
Setelah laporan akhir disetujui oleh asiten lab dan telah dikumpulkan,
12. Selesai
12
BAB II
LANDASAN TEORI
adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal
yang datang.
Cara lain yang dapat ditempuh adalah dengan intuisi subjektif atau
akan dating. Salah satu tujuan utama dari manajemen operasi adalah untuk
menyeimbangi permintaan.
jasa. Render dan Heizer (2007) mendefinisikan peramalan adalah seni dan
produk itu dapat dibuat dalam kuantitas yang tepat. Menurut Taylor (2004)
Peramalan yaitu sebuah prediksi mengenai apa yang akan terjadi di masa
depan.
diatas, maka dapat ditarik suatu kesimpulan bahwa Peramalan adalah seni
dan dinamis. Dalam kondisi pasar bebas, permintaan pasar lebih banyak
pesaing dan produk substitusi. Oleh karena itu peramalan yang akurat
sebagai berikut :
perencanaan lainnya.
waktu tertentu pada masa yang akan datang. Menurut Render dan Heizer
permintaan.
6. Membuat peramalan,
kategori, yaitu :
waktu tertentu pada masa yang akan datang. Menentukan kuantitas dan
waktu dari kapasitas produksi. Peramalan permintan ini akan jadi masukan
peramalan produk jadi. Berikut pola data metode time series (deret
tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini.
utama lainnya.
oleh berbagai faktor lingkungan yang saling berinteraksi dalam pasar yang
Siklus hidup produk biasanya mengikuti pola yang biasa disebut kurva
c. Perubahan permintaan
suatu metode peramalan agar cocok untuk diterapkan pada kasus yang
metode peramalan dapat dibagi dalam dua ketegori utama, yaitu metode
waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat
sangat beragam dan setiap teknik memiliki sifat, ketepatan dan biaya
dipenuhi, yaitu:
seberapa jauh rentang waktu data yang ada untuk diramalkan. Terdapat
(bulan @ tahun), dan jangka panjang (tahun @ dekade). Tabel berikut ini
peramalannya.
mana yang digunakan tergantung dari data dan informasi yang akan
Analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut
sebagai berikut:
1. Trend (T) merupakan sifat dari permintaan masa lalu terhadap waktu
konstan.
20
2. Cycle (C) merupakan sifat dari permintaan dalam satu periode apakah
Pola ini biasanya disebabkan oleh factor cuaca, musim libur panjang,
hari raya keagamaan yang akan berulang secara periodic tiap tahunnya.
Dalam metode time series ada beberapa teknik yang biasa digunakan
penjelasannya:
2. Moving Average
𝐴𝑡+𝐴𝑡−1+⋯+𝐴𝑡−(𝑁−1)
MA = 𝑁
21
keterangan:
WMA = ∑ Wt- Et
keterangan:
b. Exponential Smoothing
berikut:
keterangan:
Ft =peramalan baru
α= konstanta penghalusan (0 ≤ α ≤ 1)
f(t + τ ) = F1 (t)
keterangan:
α = konstanta penghalusan (0 ≤ α ≤ 1)
23
𝐴𝑡−𝐹𝑡
MAD = ∑ 𝑛
keterangan:
(𝐴𝑡−𝐹𝑡)²
MSE = ∑ 𝑛
24
keterangan:
terlalu tinggi atau rendah. Bila hasil peramalan tidak bias, maka nilai
𝐴𝑡−𝐹𝑡
MFE = ∑ 𝑛
keterangan:
sebagai berikut :
100 𝐹𝑡
MAPE = ( ) ∑ |𝐴𝑡 − 𝐴𝑡 |
𝑛
keterangan:
suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu
Pengumpulan data berisi data dari lapangan yang akan digunakan untuk
PERIODE AKTUAL
MEI 690
JUNI 657
JULI 681
AGUSTUS 556
SEPTEMBER 661
OKTOBER 577
NOVEMBER 599
DESEMBER 645
JANUARI 559
FEBRUARI 599
MARET 681
APRIL 628
2. untuk menentukan JIP dari bulan mei 2022 sampai bulan April 2023
3. untuk menentukan nilai production rate dari bulan mei 2022 sampai
26
3.1.3 Identifikasi Pola Data
Diketahui dari data aktual jeniss pola data adalah pola data horizontal
27
3.2 Pengolahan Data
Pola data yang digunakan adalah jenis data horizontal sehingga metode
28
3.2.1.2 Perhitungan ABS Error
29
3.2.1.4 Perhitungan Menggunakan Ms. Excel dengan Metode Moving
Average
FORECAST FORECAST
BULAN AKTUAL ABS ERROR MAD
BY 3 MA ERROR
MEI 690
JUNI 657
JULI 681
AGUSTUS 556 676 -120 120 120.0
SEPTEMBER 661 631.3 29.7 29.66666667 74.8
OKTOBER 577 632.7 -55.7 55.66666667 68.4
NOVEMBER 599 598.0 1 1 51.6
DESEMBER 645 612.3 32.7 32.66666667 47.8
JANUARI 559 607 -48 48 47.8
FEBRUARI 599 601 -2 2 41.3
MARET 681 601 80 80 46.1
APRIL 628 613 15 15 42.7
30
3.2.2 Perhitungan Forecast by 4 WMA
31
3.2.2.2 Perhitungan ABS Error
32
3.2.2.4 Perhitungan Menggunakan Metode Ms. Excel Dengan Metode
Weight Moving Average
Tabel 3. 3 metode 4 WMA Ms Excel
MEI 690
JUNI 657
JULI 681
AGUSTUS 556
SEPTEMBER 661 627.1 33.9 33.9 33.9
OKTOBER 577 633.1 -56.1 56.1 45
NOVEMBER 599 608.4 -9.4 9.4 33.1
DESEMBER 645 600.5 44.5 44.5 36.0
JANUARI 559 619.2 -60.2 60.2 40.8
FEBRUARI 599 594.6 4.4 4.4 34.8
MARET 681 596.2 84.8 84.8 41.9
APRIL 628 628.4 -0.4 0.4 36.7
33
3.2.3.1 Perhitungan Forecast Error
34
3.2.3.3 Perhitungan MAD
35
3.2.4 Perhitungan Menggunakan QM FOR WINDOWS dengan Metode
Moving Average
3.2.4.1 Perhitungan Data Aktual Forecast By 3 MA
36
3.2.4.3 Hasil Forecasting Results 3MA
37
3.2.4.5 Hasil Tracking Signal 3 MA
38
3.2.5 Menggunakan QM FOR WINDOWS dengan Metode Weight Moving
Average
3.2.5.1 Perhitungan Data Aktual Forecast By 4 WMA
39
3.2.5.3 Hasil Forecasting Results 4 WMA
40
3.2.5.5 Hasil Tracking Signal 4 WMA
41
3.2.6 Menggunakan Qm For Windows dengan Metode Simple Exponential
Smoothing
3.2.6.1 Perhitungan Data Aktual Forecast By SES
42
3.2.6.3 Hasil Forecasting Results
43
3.2.6.5 Hasil Error As A Function Of Alpha
44
3.2.6.7 Hasil Graph by SES
45
3.2.8 Penyusunan JIP Untuk 12 Periode Kedepan
46
BAB IV
ANALISIS
Pelamalan yang berdasarkan metode kuantitatif yaitu metode 3MA karena pola
Pelamalan yang berdasarkan metode kualitatif yaitu metode 4WMA karena pola
mengetahui data hasil sebelum melakukan produksi, lalu jika sudah mendapatkan
data hasil sebelum produksi, kita masukkan data sebelum melakukan produksi ke
kedalam beberapa metode peramalan yang sudah di ketahui yaitu dengan metode :
Dari metode di atas lalu kita lakukan dengan menggunakan Ms. Excel dan QM FOR
WINDOWS agar dapat mengetahui nilai MAD yang terkecil dan nilai MAD yang
Setelah melakukan uji coba maka nilai MAD dapat di jadikan forecast untuk jadwal
induk produksi (JIP), dari data JIP dapat digunakan untuk menghitung production
rate bulanan.
47
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Pola data di atas tidak bisa menetap setiap bulannya untuk rencana produksi
costumer.
masa lampau,data yang akan di ramal yaitu data aktual produksi masa lampau
MAD yang paling kecil yaitu dengan menggunakan metode 4 WMA. Dari
data nilai MAD terkecil dapat dijadikan untuk menghitung production rate
bulanan.
5.2 Saran
48
DAFTAR PUSTAKA
adieb, M. (2021, januari 19). Forecasting. Retrieved from sifat hasil peramalan :
https://glints.com/id/lowongan/forecasting-adalah/
purbaningrat, n. (2019, november 19). forecast. Retrieved from latar belakang forecast:
https://www.academia.edu/41131220/LAPORAN_BESAR_PERAMALAN_FORECA
STING_PRAKTIKUM_SISTEM_PRODUKSI
49
LAMPIRAN