DISUSUN OLEH : NAMA : BUDIYANTO NIM : 41605110052
JURUSAN : TEKNIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MERCU BUANA
JAKARTA
Yang bertanda tangan di bawah ini, N a m a : Budiyanto
N I M : 41605110052 Jurusan : Teknik Industri Fakultas : Teknologi Industri
Judul Skripsi : Peramalan Order Intake di PT.KSB Indonesia
Dengan ini menyatakan bahwa hasil penulisan Skripsi yang telah saya buat ini merupakan hasil karya sendiri dan benar keasliannya. Apabila ternyata di kemudian hari penulisan Skripsi ini merupakan hasil plagiat atau penjiplakan terhadap karya orang lain, maka saya bersedia mempertanggungjawabkan sekaligus bersedia menerima sangsi berdasarkan aturan tata tertib di Universitas Mercu Buana.
Demikian, pernyataan ini saya buat dalam keadaan sadar dan tidak dipaksakan.
Penulis,
Disusun Oleh : Nama : Budiyanto NIM : 41605110052 Jurusan : Teknik Industri
Pembimbing
( Ir. H. Muhammad Kholil, MT.)
Mengetahui
Koordinator TA / KaProdi
PT. KSB adalah perusahaan yang bergerak dibidang pompa, valve, dan service. Sebagaimana sebuah perusahaan yang melakukan penjualan dan jasa service, dengan jenis produk yang cukup banyak, maka pengendalian terhadap permintaan barang harus dilakukan dengan cukup baik.
Dari semenjak berdiri sampai saat ini, PT. KSB berusaha untuk meningkatkan penjualan baik di skala industri, project, dan memperluas jaringan agen di Indonesia. Hal ini tentu saja membutuhkan perencanaan yang sangat baik mengingat semua produk diimport dari berbagai negara yang memiliki lisensi sebagai produsen.
Beberapa metode peramalan yang dapat digunakan untuk meramalkan permintaandi PT.KSB adalah : Metode Peramalan Linier, Metode Peramalan Konstan, dan Metode Peramalan Kuadratik, dimana data yang digunakan adalah data historis atau data masa lalu. Peramalan yang sudah dilakukan perlu juga dipantau perkembangannya agar diketahui metode yang selama ini digunakan masih cocok atau harus dilakukan revisi dengan menghitung ulang seluruh data aktual yang tersedia. Untuk menentukan metode peramalan yang terbaik maka perlu diketahui akurasi dari hasil peramalan metode-metode tersebut. Pengukuran akurasi hasil peramalan dilakukan dengan menggunakan 4 standar : Standard Error of Estimate (SEE), Mean Absolute Percentage Error (MAPE), Mean Square Error (MSE), Cumulative Sum of Forecast Error (CFE).
Dengan menggunakan data historis hasil penjualan selama 2 tahun, data yang cukup ini diharapkan dapat menunjukkan kecenderungan dari pola permintaan itu sendiri. Data yang diambil tiap periodenya adalah data total penjualan untuk keseluruhan jenis produk. Jadi penelitian ini hanya sampai pengontrolan penjualan dengan metode peramalan terbaik. Dengan demikian penulis mengharapakan agar dapat menganalisa perbedaan antara data hasil peramalan dan aktual penjualannya.
Dari hasil pengamatan, pengolahan data dan analis yang dilakukan serta perbandingan data aktual permintaan pompa PT.KSB Indonesia, dapat disimpulkan bahwa metode konstan adalah metode terbaik, kerena yang dapat dipergunakan dalam meramalkan permintaan pompa di PT.KSB pada masa yang akan datang. Untuk menjaga agar hasil peramalan tetap baik maka disarankan untuk selalu melakukan analisis pada setiap permintaan.
Kata kunci : Peramalan Order Intake di PT. KSB Indonesia.
which conducting service and sale of service, with product type which quite a lot, hence operations to material requisition must be done good enoughly.
From stand up till now, PT. out for KSB improve sale either in industrial scale, project, and extend agent network in Indonesia. This matter of course require very good planning remember all products imported from various state owning license as producer.
Some methods forecasting of which can be used to determine forecast of PT.KSB are : Linear Method Forecasting, Constant Method Forecasting, and Method Forecasting of Kuadratik, where data the used is historical data or past data. Forecasting which have been done require to be watched by the growth so that known method was which during the time used still compatible or must be done revise with calculated again entire data of actual the availableness. To determine best forecasting method hence it is important to know accuration of result forecasting of method. Measurement of accuration result of forecasting conducted by using 4 standard : Standard of Error Estimate of ( SEE), Mean Absolute Percentage Error ( MAPE), Mean Square Error ( MSE), Cumulative Sum Forecast Error of ( CFE).
By using historical data of sales revenue during 2 year, enough data expected can show tendency of pattern request of itself. Taken data every period is total data of sale to the overall of product type. Become this research only until controlling of sale with best forecasting method. Thereby writer expected analysing difference among result data of forecasting and actual selling.
From perception result, data-processing and conducted analyst and also comparison of pump actual data request of PT.KSB Indonesia, can be concluded that constant method is best method, because able to be utilized in forecasting request of pump int PT.KSB at future. To take care of result of forecasting remain to good hence suggested to always to analyse in each request.
Puji dan syukur penulis panjatkan atas ke kadhirat Allah SWT atas segala limpahan rahmat dan kasih saying-Nya, penulis akhirnya dapat menyelesaikan penulisan skripsi ini dengan judul “ Peramalan Order Intake di PT. KSB Indonesia” untuk memenuhi salah satu syarat dalam menyelesaikan pendidikan Strata I Jurusan Teknik Industri Universitas Mercubuana Jakarta.
Penulis mengucapkan terima kasih kepada semua pihak yang telah membantudalam pelaksanaan skripsi ini, yakni kepada:
1. Ibu dan Ayah penulis atas perhatian, kasih sayang, dan kesabaran mereka yang sangat berarti bsgi penulis.
2. Bpk. Ir.H.Muhammad Kholil, MT, selaku pembimbing skripsi yang telah memberikan bimbingan, saran, semangat serta ilmu yang tak ternilai harganya.
3. Istriku tercinta Sri Novianti, yang telah memberikan doa, semangat dan pengertian yang luar biasa sehingga terselesaikannya skripsi ini.
4. Seluruh staff pengajar di Jurusan Teknik Industri Universitas Mercubuana Jakarta atas pencerahan ilmu yang telah diberikan.
Akhir kata penulis berharap semoga skripsi ini dapat memberikan manfaat yang sebesar-besarnya, dan semoga kasih saying Allah SWT senantiasa tercurah kepada kita semua. Amiiinn.
Jakarta, Maret 2009
Halaman Pernyataan ... i
Halaman Pengesahan ... ii
Abstraksi ... iii
Kata Pengantar ... v
Daftar Isi ... vii
Daftar Tabel ... xi
Daftar Gambar ... xii BAB I PENDAHULUAN
BAB II
1.1 Latar Belakang Masalah ... 1.2 Maksud dan Tujuan ... 1.3 Metode Penelitian ... 1.4 Sistematika Penulisan... LANDASAN TEORI 1 3 3 3
2.1 Konsep Dasar Manajemen Permintaan... 2.2 Definisi Peramalan... 2.3 Konsep Dasar Sistem Peramalan Dalam Manajemen
Permintaan ... 2.4 Kegunaan Peramalan... 2.5 Tipe Peramalan
2.5.1 Peramalan Berdasarkan Pendapat Subyektif Dari
5 7
8 10
\
BAB III
2.6 Perlunya Ketelitian Peramalan... 2.7 Analisis Deret Waktu ... 2.8 Pendekatan Umum Dalam Peramalan Secara Statistik
2.8.1 Penentuan Fungsi Peramalan Dengan Least Squares.... 2.8.2 Membuat Peramalan Dengan Metode Konstan... 2.8.3 Membuat Peramalan Dengan Metode Time Series
2.8.3.1 Peramalan Linier... 2.8.3.2 Peramalan Kuadratik... 2.8.3.3 Peramalan Siklis... 2.8.3.4 Peramalan Non Linier... 2.8.3.5 Peramalam Eksponensial... 2.9 Ukuran Akurasi Hasil Peramalan... 2.10 Pemeriksaan dan Pengendalian Ramalan
2.10.1 Peta Rentang Bergerak (Moving Range)... 2.10.2 Peta Rentang Bergerak Untuk Pemeriksaan... 2.10.3 Peta Rentang Bergerak Untuk Pengendalian Ramalan 2.11 Perbaikan Peramalan... 2.12 Ikhtisar... METODOLOGI PENELITIAN 3.1 Identifikasi Masalah... 14 14 17 18 20 22 23 23 25 25 27 28 29 29 30 31 34
BAB IV
BAB V
3.5 Pengolahan Data... 3.6 Analisis dan Kesimpulan... PENGUMPULAN DATA DAN PENGOLAHAN DATA 4.1 Pengumpulan Data
4.1.1 Company Profile... 4.1.2 Struktur Organisasi... 4.1.3 Data Permintaan... 4.1.4 Uji Kecukupan Data... 4.2 Penentuan Pola Dasar Permintaan... 4.3 Penerapan Metode-metode Peramalan
4.3.1 Metode Konstan... 4.3.2 Metode Linier... 4.3.3 Metode Kuadratik... 4.4 Moving Range... ANALISA HASIL PENGOLAHAN DATA
5.1 Analisa Pola Data Permintaan... 5.2 Pemilihan Metode Peramalan... Analisa Aspek Pemasaran... Analisa Aspek Logistik...
36 36 37 37 38 38 38 41 41 41 44 48 53 56 56 60 60
Daftar Pustaka Daftar Lampiran
Tabel 4-2 Tabel 4-3 Tabel 4-4 Tabel 4-5 Tabel 4-6 Tabel 4-7 Tabel 4-8 Tabel 4-9 Tabel 4-10 Tabel 5-1 Tabel 5-2
Data Perhitungan Dengan Metode Konstan Data Perhitungan Dengan Metode Linier Peramalan Dengan Metode Linier
Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Linier
Data Perhitungan Dengan Metode Kuadratik Peramalan Dengan Metode Kuadratik
Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Kuadratik
Ringkasan Akurasi Metode Peramalan
Perhitungan Moving Range Untuk Pemeriksaan Peramalan Metode Konstan
Ukuran Akurasi Hasil Peramalan Data Permintaan dan Hasil Peramalan
42 44 45 46 48 51 51 53 54 57 59
Gambar 2-2 Gambar 2-3 Gambar 2-4 Gambar 2-5 Gambar 3-1 Gambar 4-1 Gambar 4-2 Gambar 4-3 Gambar 4-4 Gambar 4-5 Gambar 5-1
Pola Permintaan Trend Pola Permintaan Siklus Pola Permintaan Musiman Pola Permintaan Acak Metodologi Penelitian
Grafik Pola Dasar Permintaan 12 Periode 2007-2008 Grafik Peramalan Dengan Metode Konstan
Grafik Peramalan Dengan Metode Linier Grafik Peramalan Dengan Metode Kuadratik Peta Kontrol Moving Range Untuk Peramalan Metode Konstan
Pembagian Daerah A/B/C Pada Peta Moving Range
15 16 16 17 33 41 43 47 53 55 58
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Melihat kondisi peningkatan sector industri dalam negeri dalam beberapa tahun belakangan ini yang bergerak kearah positif, banyak perusahaan pompa yang mulai tergerak untuk meningkatkan daya penjualannya ke pasar lokal, apalagi setelah melihat animo pasar yang begitu besar
Di era perdagangan global saat ini, sudah merupakan hal yang wajar jika semua perusahaan baik yang bergerak dibidang jasa maupun manufacture berlomba untuk memperoleh keuntungan di pasar. Mereka memikirkan berbagai metode dan strategi untuk dapat diterima di pasar mulai dari pemasaran, sistem informasi, warehouse, membeli alat yang dapat meningkatkan produksi, merekrut tenaga ahli dan sebagainya.
Persaingan yang begitu ketat tidak hanya datang dari industri local saja tetapi juga melibatkan industri yang berasal dari luar yang berskala international melalui agen yang ditunjuk dengan membuka cabang di Indonesia.. Di Indonesia merupakan pasar yang cukup menjanjikan untuk pemasaran pompa karena banyak terdapat industri yang bergerak dalam pengolahan barang mentah menjadi barang jadi, seperti industri kimia dan perusahaan di bidang pertambangan.
Salah satu tolok ukur keberhasilan suatu perusahaan adalah ditentukan oleh strategi pemasaran dan jaminan akan kualitas produk yang dijual. Awalnya keberhasilan bisnis ditentukan oleh efektivitas dan produktivitas karyawan,
penjualan meningkat dan produknya memiliki banyak keunggulan. Tapi pada kenyataanya paradigma-paradigma tersebut tidak ada artinya jika produk yang dikirim ke pelanggan sering terlambat, salah kirim produk, ataupun produk yang dipesan tidak sesuai dengan yang diharapkan. Hal-hal tersebut menyebabkan pelanggan merasa tidak puas, kecewa dan bahkan memutuskan hubungan bisnis dan menjalin hubungan baru dengan perusahaan lain yang dapat memenuhi kriteria yang ditetapkan.
Berdasarkan kondisi nyata tersebut, maka mulai banyak perusahaan yang mengalihkan tolok ukurnya pada kepuasan pelanggan karena memang pelangganlah yang patut memberikan penilaian atas keberhasilan suatu bisnis. Untuk mencapai target tujuan yang telah ditetapkan, maka perlu dibuat perencanaan kegiatan. Untuk bisa membuat rencana yang baik, manajemen harus mampu merancang sebuah skenario masa depan yang dalam hal ini bisa dilaksanakan melalui proses peramalan (forecasting).
Meskipun peramalan dilakukan berdasarkan data historis tapi tetap saja terdapat hal-hal yang tidak terduga yang menyebabkan kenyataan berbeda dengan apa yang sudah diramalkan. Tetapi paling tidak peramalan ini dapat membantu untuk menentukan langkah ke depan dan membantu dalam pengambilan keputusan suatu perusahaan .
Berdasarkan latar belakang diatas, maka tujuan penulisan tugas akhir ini adalah :
1. Menentukan dan menggunakan metode terbaik berdasarkan ukuran akurasi hasil peramalan.
2. Menganalisa perbedaan antara perencanaan penjualan dan aktual permintaan.
3. Menganalisa target pasar yang akan dicapai berdasarkan studi lapangan dan history penjualan 2 tahun sebelumnya.
1.3 Metode Penelitian
Pada penulisan tugas akhir ini, metode penelitian disusun berdasarkan kerangka dan tahapan penelitian di lapangan secara sistematis guna memperoleh hasil yang terstruktur, optimal dan efektif. Untuk memperoleh hasil yang maksimal, berbagai literatur diambil sebagai pijakan awal dalam membuka dan mempelajari lebih dalam masalah yang terjadi pada PT. KSB.
1.4 Sistematika Penulisan
Untuk mendapatkan gambaran yang sistematis dalam penyusunan tugas akhir ini, maka tugas akhir disusun dalam 6 (enam) bab. Masing-masing bab berisi sebagai berikut.
Memberikan gambaran tentang latar belakang masalah, pembatasan masalah, metode penelitian dan sistematika penulisan.
Bab II Landasan Teori
Membahas teori-teori yang berkaitan, yang akan dipakai sebagai teori pendukung ataupun yang bertentangan terhadap permasalahan yang sedang dikaji.
Bab III Metode Penelitian
Menampilkan langkah-langkah yang ditempuh dalam menyelesaikan masalah.
Bab IV Pengumpulan dan Pengolahan Data
Menyajikan data yang telah dikumpulkan dengan menggunakan metode yang telah ditetapkan.
Bab V Analisa
Melakukan analisis terhadap pemecahan masalah sesuai dengan kerangka pemecahan masalah dan landasan teori yang dipakai berdasarkan data yang telah diolah.
Bab VI Kesimpulan dan Saran
Merupakan jawaban dari tujuan penelitian yang disertai saran-saran perbaikan yang berguna agar dapat diterapkan oleh PT.KSB
BAB II
LANDASAN TEORI
Perencanaan atau rancang bangun merupakan salah satu fungsi dari pengambilan keputusan manajemen produksi dan operasi, dimana konsep ini membutuhkan sebuah ramalan tentang permintaan yang biasa disebut “Demand” terhadap produk barang dan jasa yang akan dihasilkan oleh sistem produksi. Kebutuhan akan jawaban tentang perubahan pasar yang cepat akan memerlukan peramalan yang tepat.
Peramalan memegang peranan penting dalam konsep ini karena dengan peramalan yang tepat-guna diharapkan akan meningkatkan efisiensi permintaan
2.1 Konsep Dasar Manajemen Permintaan
Peramalan (Tidak Pasti) MANAJEMEN PERMINTAAN Peelayanan Pesanan (Pasti) Gambar 2-1
Aktivitas Utama Dalam Manajemen permintaan
Dari gambar diatas tampak bahwa aktivitas pelayanan bersifat pasti, sedangkan aktivitas peramalan (forecasting) bersifat tidak pasti. Proses
pelayanan pesanan adalah penerjemahaan dari apa yang diinginkan oleh pelanggan ke dalam bentuk-bentuk yang akan digunakan oleh pihak produsen. Pelayanan pesanan pada dasarnya bertanggung jawab untuk menanggapi kebutuhan pelanggan dan berinteraksi dengan penyusun jadwal induk guna menjamin ketersediaan produk.
Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.
Berdasarkan uraian di atas, kita mengenal dua sumber utama yang berkaitan dengan informasi permintaan produk, yaitu :
1. Ramalan terhadap produk independent demand yang bersifat tidak pasti.
2. Pesanan-pesanan yang bersifat pasti.
Pesanan yang bersifat pasti ini antara lain : pesanan pelanggan, alokasi tertentu untuk area geografis, service or spare parts and samples, distribution center demands, dll.
Bagian penjualan biasanya melakukan perencanaa (sales planning), berdasarkan hasil-hasil peramalan (sales forecast), sehingga informasi yang dikirim ke bagian production planning dengan jelas dapat dipisahkan antara permintaan yang dikembangkan berdasarkan rencana penjualan (sales plan) yang umumnya masih bersifat tidak pasti dan
pesanan-pesanan (orders) yang bersifat pasti. Dengan demikian akan terdapat dua kategori utama dalam manajemen permintaan, yaitu :
1. Permintaan berdasarkan rencana penjualan (sales plan) atau ramalan penjualan (sales forecast) yang bersifat tidak pasti.
2. Pesanan-pesanan (orders) yang bersifat pasti. 2.2 Definisi Peramalan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.
Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi pasar bersifat kompleks dan dinamis.
Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat kompleks, dan dinamis karena permintaan tersebut akan tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan produksi subtitusi. Oleh karena itu, peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.
Peramalan ini digunakan sebagai dasar untuk menentukan kebijakan pengendalian dari sistem persediaan (inventory), membuat perencanaan produksi, pembebanan mesin, menentukan kebutuhan mesin, peralatan, bahan, serta untuk menentukan tingkat tenaga kerja selama periode produksi.
Untuk membuat suatu peramalan yang banyak mempunyai arti, maka peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan diperlukan suatu periode waktu paling sedikit dalam periode waktu yang dibutuhkan untuk
membuat suatu kebijaksanaan dan menetapkan beberapa hal yang mempengaruhi kebijaksanaan tersebut adalah :
2.3 Konsep Dasar Sistem Peramalan Dalam Manajemen Permintaan.
Pada dasarnya terdapat sembilan langkah yang harus diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem peramalan dalam manajemen permintaan, yaitu :
1. Menentukan tujuan dari peramalan
Tujuan dari peramalan adalah untuk meramalkan permintaan dari item-item independent demand dimasa yang akan datang. Perencanaan produksi dan inventori sebaiknya mengacu pada data total permintaan produk masa datang. Dengan demikian jelas bahwa tujuan peramalan adalah untuk mencapai efektivitas dan efiisiensi dari manajemen produksi dan inventori. Analisis peramalan membicarkan dengan para pembuat keputusan untuk mengetahui apa kebuuhan mereka dan selanjutnya menentukan
– variabel apa yang akan diramalkan
– siapa yang akan menggunakan hasil peramalan – untuk tujuan apa hasil peramalan digunakan
– peramalan jangka panjang atau jangka pendek yang dibutuhkan – derajat ketepatan peramalan yang diinginkan
– kapan peramalan diperlukan
– bagian-bagian peramalan yang diinginkan, seperti peramalan untuk kelompok pembeli, kelompok produk, atau daerah geografis.
2. Memilih item independent demand yang akan diramalkan
Memperhatikan bahwa item-item independent demand adalah item yang bebas dengan bill of material.
3. Menentukan horison waktu dari peramalan (jangka pendek, menengah, atau panjang).
Semakin panjang horizon waktu peramalan, hasil-hasil ramalan akan semakin kurang akurat. Pemilihan interval waktu mingguan dimaksudkan untuk peramalan jangka pendek, sedangkan interval waktu bulanan untuk peramalan jangka panjang menengah, dan interval waktu triwulan untuk peramalan jangka panjang.
4. Memilih model-model peramalan
Jika ditinjau dari waktu, maka model peramalan dapat dibagi menjadi : - Peramalan jangka panjang berkaitan dengan perencanaan bisnis analisis
fasilitas, proyek-proyek jangka panjang, produk-produk atau pasar baru, investasi modal, dll. Karakteristik dari peramalan jangka panjang adalah : dilakukan analisis satu kali, lebih banyak berdasarkan pertimbangan manajemen puncak, lebih banyak menggunakan data eksternal (triwulan atau tahunan), dilakukan oleh manajemen puncak (top management), dan dilakukan terhadap beberapa produk atau familinya.
- Peramalan jangka menengah berkaitan dengan perencanaan anggaran, produksi, pembelian (purchase order), dll. Karakteristik dari peramalan jangka panjang menengah adalah bersifat periodikal (data
bulanan atau triwulan), menggunakan teknik kuantitatif dan kualitatif, dilakukan oleh manajemen menengah, dan dilakukan terhadap kelompok produk atau familinya.
- Peramalan jangka pendek berkaitan dengan perencanaan distribusi inventori, perencanaan material, dll. Karakteristik dari peramalan ini adalah : dilakukan secara teratur dan berulang, menggunakan data internal (harian atau mingguan), menggunakan teknik kuantitatif, dan dilakukan secara terperinci untuk banyak item atau stock keeping units.
5. Memperoleh data yang dibutuhkan untuk melakukan peramalan
Data yang ada paling sedikit terbentuk dari tiga komponen : pengaruh musiman (seasonality), Kecendurungan (trend), dan keteracakan (randomness).
6. Validasi model peramalan 7. Membuat peramalan
8. Implementasi hasil-hasil peramalan 9. Memantau keandalan hasil peramalan
2.4 Kegunaan Peramalan
Diantara tujuan dan kegunaan dari peramalan adalah : 1. Menentukan kebutuhan dan ukuran perluasan pabrik
2. Menentukan perencanaan jangka menengah untuk produk yang ada untuk diproduksi dengan fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek dari produk yang ada untuk diproduksi dengan peralatan yang ada.
Dalam setiap ramalan harus dipenuhi salah satu dari kegunaan di atas, sehingga hal in akan menimbulkan tambahan waktu yang diperlukan untuk membuat kebijaksanaan ditambah dengan waktu untuk membuat akibat kebijaksanaan tersebut. Ramalan untuk tujuan yang pertama di atas dapat dibuat untuk ramalan jangka panjang. Ramalan untuk tujuan perluasan pabrik dinamakan peramalan fasilitas. Ramalan perencanaan produksi dan produk, dapat digunakan untuk peramalan yang memenuhi tujuan kedua dan ketiga di atas.
Sifat peramalan dan metode perbaikannya ditentukan oleh manfaat yang diharapkan dan tingkat rincian dalam ramalan tersebut.
2.5 Tipe Peramalan
Pada dasarnya model peramalan dapat diklasifikasikan dalam dua jenis : 1. Model kuantitaif : ekstrapolasi (time series method) dan kausal
2. Model kualitatif : pertimbangan
Peramalan dapat dibagi berdasarkan jangka waktu sejalan dengan kegunaannya. Karena derajat detil dan akurasi berkaitan dengan jangka waktu, maka tipe peramalan dibagi berdasarkan kegunaan, detil dan jangka waktu.
2.5.1 Peramalan Berdasarkan Pendapat Subyektif Dari Orang-Orang Yang Bekerja Dalam Penjualan dan Bagian Pemasaran
Peramalan menurut pendapat yang subjektif adalah suatu cara di mana beberapa atau seluruh manuasia yang ada di bagian penjualan dan pemasaran memberikan pendapatnya untuk menentukan volume penjualan di masa yang akan datang, kemudian pendapat-pendapat ini dikumpulkan dan dinilai. Hasil penilaian ini merupakan suatu peramalan untuk jangka waktu tertentu di masa yang akan datang. Tipe peramalan ini mempunyai keuntungan bahwa manusia yang terlibat langsung dengan penjualan mempunyai tanggung jawab untuk peramalan tersebut, karena mempunyai posisi yang baik untuk “mengerti” kemungkinan arah pasar di masa yang akan datang.
Namun demikian, terdapat beberapa kerugian dari metode ini yaitu :
Orang–orang di bagian penjualan merasa sangat optimis bila penjualan di masa lampau telah berjalan dengan baik. Pada bagian lain, mereka sangat pesimis bila penjualan di masa lampau tidak berjalan dengan baik.
a. Terdapat beberapa oknum yang berpengaruh dilibatkan dalam membuat ramalan tersebut, sehingga hasilnya bukan merupakan suatu pernyataan dari pendapat semua orang, tetapi pendapat dari oknum-oknum tersebut. Jika pengaruh atau kekuatan oknum diperiksa secara cermat atau lebih teliti dari pada seluruh kelompok, tidak akan terdapat kesalahan. Sebaliknya, jika pendapatnya diterima secara sepihak (berat sebelah) berarti harus dimasukkan dalam peramalan. Peramalan dengan pendapat yang subjektif tersebut dapat menjadi baik atau buruk.
2.5.2 Peramalan Berdasarkan Data Penjualan Rata-Rata Masa Lampau Peramalan berdasarkan rata-rata data penjualan yang lalu menggambarkan adanya anggapan bahwa permintaan masa lampau dapat diarahkan untuk permintaan yang akan datang. Kebenaran anggapan ini dapat diuji dengan menggunakan peta-peta kontrol. Dalam hal ini terdapat berbagai metode rata-rata yang dapat digunakan untuk peramalan. Rata-rata hitung atau titik tengah adalah suatu kemungkinan yang dapat dipakai, sehingga rata tersebut adalah rata-rata dari seluruh data penjualan yang lalu.
Bila bentuk data hanya digunakan dari periode penjualan yang baru saja dilakukan, kita akan mempunyai data-data rata-rata bergerak. Jumlah kebanyakan data yang digunakan dalam rata-rata bergerak akan menentukan bagaimana reaksinya terhadap akibat sistem yang diberikan. Hal ini akan mengarah kepada memperlambat suatu kenaikan, keluar dari tahapan (ketinggalan), menekan keadaan puncak dan menaikkan bagian terbawah daripada siklus permintaan. Besarnya ketinggalan, keadaan di luar tahapan dan adanya perataan tersebut adalah merupakan suatu fungsi dari jumlah periode permintaan yang digunakan dalam rata-rata bergerak.
Dalam beberapa hal, seseorang dapat membenarkan perhatiannya terhadap permintaan masa lalu dengan waktu relatif pendek dalam menentukan perkiraan permintaan di masa yang akan datang. Perhatian ini dapat diselesaikan dengan menggunakan rata-rata pembobotan. Di samping itu, dengan memilih faktor pembobotan, dapat dicapai suatu tingkat perataan tertentu, jumlah tertentu dan hubungan-hubungan di luar tahapan tertentu. Bila dipakai pada pola siklus
permintaan tanpa menambahkan penyesuaian, rata-rata pembobotan tersebut tidak akan menghasilkan peramalan pada puncak yang lebih tinggi atau bagian bawah yang lebih rendah.
Dengan penerapan yang tepat dan penyesuaian tertentu, maka dengan membuat data rata-rata permintaan yang lalu dapat memberikan perkiraan yang memuaskan dari volume penjualan di masa yang akan datang, asalkan sistem sebab akibat tersebut tidak berubah. Bagaimanapun, akan lebih baik dan lebih dapat diandalkan dengan menggunakan teknik-teknik statistik. Bila hanya rata-rata digunakan, tidak akan terdapat perkiraan kesalahan dari nilai peramalan. Perkiraan kesalahan akan di perlukan dalam perencanaan persediaan yang efektif
2.6 Perlunya Ketelitian Peramalan
Tanpa mempermasalahkan bagaimana memperolehnya, ketelitian ramalan adalah suatu hal yang pokok dan perlu sekali. Kebijaksanaan perusahaan, secara langsung atau tidak langsung akan didasarkan pada ramalan-ramalan. Oleh karena itu, ketidaktelitian dan kesalahan-kesalahan dalam ramalan dapat menghasilkan kebijaksanaan yang tidak menguntungkan. Dalam suatu pasar dengan persaingan yang tinggi, berhasil atau gagal tergantung kepada tingkat pengendalian melalui ramalan-ramalan yang baik.
2.7 Analisis Deret Waktu
dari komponen-komponen Trend (T), Siklus / Cycle (C), Pola musiman / Season (S), dan Variasi acak / Random (R) yang akan menunjukkan suatu pola tertentu. Analisa deret waktu ini sangat tepat untuk meramalkan permintaan yang pola permintaan di masa lalunya cukup konsisten dalam periode waktu yang lama, sehingga diharapkan pole tersebut masih akan tetap berlanjut. Penjelasan tentang komponen-komponen tersebut adalah sebagai berikut :
1. Kecenderungan / Trend (T)
Merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya apakah permintaan tersebut cenderung naik,turun, atau konstan.
Gambar 2-2 Pola Permintaan Trend
2. Siklus / Cycle (C)
Permintaan suatu produk dapat memiliki siklus yang berulang secara periodik, biasanya lebih dari satu tahun, sehingga pola ini tidak perlu dimasukkan dalam peramalan jangka pendek. Pola ini amat berguna untuk peramalan jangka menengah dan jangka panjang.
Gambar 2-3 Pola Permintaan Siklus 3. Musiman / Season (S)
Fluktuasi permintaan suatu produk dapat naik turun di sekitar garis tren dan biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara periodik setiap tahunnya.
Gambar 2-4
Pola Permintaan Musiman
4. Variasi acak / Random (R)
Permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena faktor-faktor adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak mempunyai pola tertentu. Variasi acak ini diperlukan dalam rangka menentukan persediaan pengamanan untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.
Gambar 2-5 Pola Permintaan Acak
2.8 Pendekatan Umum Dalam Peramalan Secara Statistik
Untuk mengetahui bahwa metode statistik yang digunakan untuk data yang lalu adalah suatu cara peramalan yang realistik untuk masa yang akan datang, perlu dilakukan hal-hal sebagai berikut :
1. Membuat suatu gambaran permintaan dan waktu. (Permintaan sebagai ordinat dan waktu sebagai axis).
2. Menentukan teknik statistik yang akan digunakan. 3. Menilai kesalahan yang diperkirakan.
4. Membuat suatu keputusan untuk menggunakan teknik tertentu berdasarkan pertimbangan yang ada atau mencoba mendapatkan sesuatu yang lebih baik lagi.
Pendekatan tersebut ditunjukkan dengan beberapa contoh dan secara umum dikemukakan penggabungan beberapa tahapan yang disebutkan di atas.
2.8.1 Penentuan Fungsi Peramalan dengan Least Squares
Dalam metode least squares (kuadrat terkecil), disusun suatu fungsi sekelompok data dalam bentuk : d' = f(t)
Dimana :
d’t = Nilai yang diperkirakan dari variabel tidak bebas
t = Variabel bebas
Fungsi d’t yang disusun dengan baik akan memperkecil adanya kesalahan standar
dari perkiraan atau Standard Error of Estimate ( SEE ). Kesalahan standar perkiraan atau didefinisikan sebagai :
) /( ) ( ' 2 1 f n d d s t t n dt = ∑ − − atau ( ) /( ) 2 ' 1 f n d d SEE t t n − − ∑ = Dimana :
dt = Permintaan nyata yang diamati dalam periode t
n = Jumlah periode (pengamatan) f = Derajat kebebasan yang hilang
Memperkecil sdt adalah ekivalen dengan memperkecil :
2 ' 1 ) ( t t n d d E =∑ −
Persamaan ini maksudnya adalah untuk memperkecil jumlah kuadrat perbedaan-perbedaan antara nilai permintaan nyata yang diamati pada waktu t dan nilai yang akan atau telah diperkirakan dari fungsi peramalan tersebut. dt' = f(t).
2.8.2 Membuat Peramalan Dengan Metode Konstan
Jika bentuk persamaan diasumsi menjadi , maka didapatkan : ) ( ' t f dt = dt =a ' 2 1 ) (d a E t n − ∑ =
Memperkecil persamaan di atas maka perlu diselesaikan nilai a dengan persamaan turunan persil pertama dari E dengan a = o (∂E/∂a = 0). Ini memberikan :
) ( 0 1 a d a E t n − ∑ = = ∂ ∂
Yang penyelesaiannya adalah :
− = ∑ = d n d a t n 1
Bila hasil ini diganti dalam persamaan maka didapatkan bahwa peramalan tetap “yang terbaik” adalah :
a dt = ' − = d dt'
Ini memperkecil penyimpangan standar. (Kesalahan standar dari perkiraan
bila ). Dalam hal ini dapat dicatat bahwa telah dibuat tanpa anggapan mengenai bentuk data yang diamati.
−
= d dt'
Kesalahan standar dari perkiraan akan dihitung sesuai dengan persamaan :
) /( ) ( ' 2 1 f n d d s t t n dt = ∑ − − atau 1 ) ( ' 2 − − ∑ = n d d s t t dt
2.8.3 Membuat Peramalan Dengan Metode Time Series 2.8.3.1 Peramalan Linier
Jika bentuk peramalan dianggap merupakan hubungan linier antara d ) ( ' t f dt =
t dan t maka dapat menggunakan :
bt a dt' = +
Pernyataan untuk E sekarang adalah :
2 1 ) (d a bt E t n − − ∑ =
Dengan memperkecil persamaan 2 terhadap a dan b, 1 ) (d a bt E t n − − ∑ = memberikan : ) ( 0 1 bt a d a E t n − − ∑ = = ∂ ∂ dan 0 ( ) 1 bt a d t a E t n − − ∑ = = ∂ ∂
Ini dapat ditulis sebagai :
0 = ∑ − − ∑d na b t dan ∑dt−a∑t−b∑t2 =0
Jika persamaan dt =a+bt dan ' 0 = ∑ − − ∑d na b t dan
digabungkan ke dalam bentuk determinan, maka menjadi :
0 2 = ∑ − ∑ − ∑dt a t b t 0 1 2 ' = ∑ ∑ ∑ ∑ ∑ t t dt t n d t d
Dalam persamaan di atas kolom kedua terdapat koefisien-koefisien a dan kolom ketiga terdapat koefisien b. Perluasan determinan menghasilkan persamaan dimana a dan b dapat diganti dengan nilai-nilai determinan tersebut, sehingga diperoleh :
2 2 2 ' t t t n t dt n d t t t t n t dt t d d ∑ ∑ ∑ ∑ ∑ ∑ − + ∑ ∑ ∑ ∑ ∑ ∑ ∑ = 2 2 2 2 2 ) ( ) ( n t t t d dt n t t t n dt t t d ∑ − ∑ ∑ ∑ − ∑ + ∑ − ∑ ∑ ∑ − ∑ ∑ = dimana 2 2 2 ) ( t t n dt t t d a ∑ − ∑ ∑ ∑ − ∑ ∑ = 2 2 ) ( t t n t d dt n b ∑ − ∑ ∑ ∑ − ∑ =
Bentuk a selanjutnya dapat dikurangkan terhadap : − −
−
=d bt
a
t dianggap merupakan suatu bilangan bulat dari 1 sampai n. Berdasarkan hal ini,
kita dapat menulis :
∑
= + 2 ) 1 (n n t dan∑
= + + 6 ) 1 2 )( 1 ( 2 n n n t Bila persamaan∑
= + + 6 ) 1 2 )( 1 ( 2 n n nt dimasukkan ke dalam persamaan
0 1 2 ' = ∑ ∑ ∑ ∑ ∑ t t dt t n d t d maka dipunyai :
0 6 ) 1 2 )( 1 ( 2 ) 1 ( 2 ) 1 ( 1 ' = + + + ∑ + ∑ n n n n n dt n n n d t d ) 1 ( ) ) 1 ( 2 ( 6 2 − ∑ + − ∑ = n n d n dt b ) 1 ( 6 ) 1 2 ( 2 − ∑ − ∑ + = n n dt d n a
Kesalahan standar dari perkiraan akan dihitung sesuai dengan persamaan :
) /( ) ( ' 2 1 f n d d s t t n dt = ∑ − − atau 2 ) ( ' 2 − − ∑ = n d d s t t dt 2.8.3.2 Peramalan Kuadratik
Metode ini digunakan jika scatter diagram (diagram pencar) dari masa lalu yang tersedia cenderung berbentuk parabola.
Fungsi persamaan dari metode ini adalah : Y= a + bx + cx²
Koefisien a, b, dan c diperoleh dengan : a = (ΣY- cΣX²) : n
b = ΣXY : ΣX²
c = { n ΣX²Y – (ΣX²) (ΣY) }: { nΣX4 – (ΣX²)² }
2.8.3.3 Peramalan Siklis
Dengan Persamaan Y′ = f (t)
Maka pola data siklis diestimasi dengan menggunakan persamaan regresi :
t N c t N b a y1 = + cos2π + sin2π
Nilai a, b, dan c pada persamaan di atas ditaksir dengan melakukan eliminasi tiga persamaan linier berikut :
Σy = an = bΣcos t N c t N π π 2 sin 2 + Σ Σcos t N t N c t N b t N a t N π π π π π 2 cos 2 sin 2 cos 2 cos 2 = Σ + Σ 2 + Σ Σysin t N c t N t N b t N a t N π π π π π 2 sin 2 sin 2 cos 2 sin 2 Σ + Σ + Σ =
Perhitungan Standard Error of Estimate persamaan siklis yang didapatkan
menggunakan persamaan : SEE =
) ( ) ' ( 2 f n yt yt − ∑ −
dengan derajat kebebasan (f)
sama dengan 3.
2.8.3.4 Peramalan Non Linier
Hubungan non-linier dapat berbentuk hubungan kuadrat (parabola) atau hubungan pangkat tiga ataupun lainnya. Bila bentuk hubungannya adalah kuadratik dapat dinyatakan sebagai :
2
' a bt ct
d = + +
Dimana :
t : periode waktu
Adapun persamaan-persamaan yang digunakan menentukan nilai konstanta adalah sebagai berikut : 2 . . . α β γ α θ σ γ − − = b γ α θ b. c= − n t c n t b n d a 2 . .∑ − ∑ − ∑ = Dimana :
( )
2 2 4 . t n t − ∑ ∑ = γ d t n d t.∑ − .∑ . ∑ = σ d t n d t2.∑ − .∑ 2. ∑ = θ 3 2 . . t n t t ∑ − ∑ ∑ = α 3 2 . ) (∑t −n ∑t = βKesalahan standar dari perkiraan akan dihitung sesuai dengan persamaan :
) /( ) ( ' 2 1 f n d d s t t n dt = ∑ − − atau 3 ) ( ' 2 − − ∑ = n d d s t t dt
2.8.3.5 Peramalan Eksponensial
Metode ini digunakan jika data yang tersedia cenderung naik turun dengan perbedaan yang tidak terlalu banyak, tetapi secara keseluruhan cenderung naik.
Fungsi persamaan dari metode ini adalah : Y′ = ab(x)
Yang dapat diubah dalam fungsi logaritma : Log Y′ = log a + (log b)x
Jika ΣX = 0, maka koefisien a dan b dapat dicari dengan : Log a = (Σlog y) : n
Log b = ( ΣX(log y) ) : ΣX²
2.9 Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan.
Adapun ukuran yang biasa digunakan adalah :
1. Rata-rata Deviasi Mutlak ( Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :
n F A MAD=∑ t − t
A = Permintaan Aktual pada perioda – t Ft = Peramalan Permintaan pada perioda – t n = Jumlah Perioda Peramalan yang terlibat.
2. Rata-rata Kuadrat Kesalahan ( Mean Square Error = MSE )
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan
pada setiap perioda dan membaginya dengan jumlah perioda peramalan. Secara matematis, MSE dirumuskan sebagai berikut :
n F A MSE t t 2 ) ( − ∑ =
3. Rata-rata Kesalahan Peramalan ( Mean Forecast Error = MFE )
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan dan membaginya dengan jumlah perioda peramalan. Secara matematis, MFE dinyatakan sebagai berikut :
n F A MFE =∑( t − t)
4. Rata-rata Persentase Kesalahan Absolut ( Mean Absolute Persentage Error = MAPE )
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama perioda tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara otomatis, MAPE dinyatakan sebagai berikut :
t t t A F A n MAPE ⎟∑ − ⎠ ⎞ ⎜ ⎝ ⎛ = 100
5. Cumulative Sum of Forecast Errors
CFE =
∑
= n t t e 12.10 Pemeriksaan dan Pengendalian Ramalan
Suatu langkah pertama yang diperlukan setelah membuat ramalan adalah memeriksa bahwa ramalan tersebut memang telah dapat mewakili data dan sistem penyebab kebetulan yang mendasari permintaan bagi produk yang dipertanyakan.
Sekali ramalan telah dibuat, maka harus diperkenalkan sampai tiba waktunya untuk membuat ramalan yang berikut. Untuk melakukan suatu peramalan yang baik, perlu dilakukan secara berkesinambungan membandingkan ramalan tersebut dengan kenyataan permintaan dan membuat perbaikan ramalan bila terdapat perubahan permintaan tersebut. Waktu untuk melakukan ini adalah segera setelah terjadinya perubahan.
Terdapat banyak cara yang dapat digunakan memeriksa ramalan dan mengamati suatu perubahan dalam sistem penyebab yang mendasari permintaan. Bagaimanapun dikehendaki sejumlah data ini mungkin tidak tersedia. Bentuk yang termudah dari cara pengendali adalah peta kendali secara statistik yang digunakan dalam pengendalian kualitas. Salah satu peta yang dapat digunakan di mana terdapat suatu jumlah data yang minimum adalah pada peta rentang bergerak ( Moving Range ).
2.10.1 Peta Rentang Bergerak (Moving Range)
Peta rentang bergerak dirancang untuk membandingkan nilai yang diamati dengan yang diramalkan dari suatu permintaan. Dengan kata lain, dilihat terjadi permintaan dari peramalan selama periode dasar. Kemudian peta tersebut diperluas untuk masa yang akan datang sehingga dapat dibandingkan ramalan dengan kenyataan dari periode tersebut (periode yang dibuat untuk peramalan). Peta rentang bergerak digunakan untuk memeriksa teknik peramalan dan parameter-parameternya. Sekali dibuat peramalan dan peta rentang bergerak, berarti akan digunakan sebagai pemeriksaan yang berkesinambungan untuk melihat jika yang mendasari sistem penyebab tersebut adalah tidak berubah.
Rentang bergerak didefinisikan sebagai :
) ( ) ( ' − − '−1− −1 = dt dt dt dt MR
Rata-rata rentang bergerak didefinisikan sebagai :
∑
− = 1 n MR MR dan MR BKA=+2,66 MR BKB=−2,66Perubahan atau perbedaan yang digambarkan pada rentang bergerak adalah : t t t d d d = − Δ '
Jika mendapatkan suatu titik tak terkendali sewaktu memeriksa peramalan, maka akan dihindari beberapa data atau mencari peramalan baru.
Jika terdapat sebuah titik tak terkendali dalam suatu ramalan yang mengikuti periode dasar tersebut, maka akan diselidiki untuk ditentukan penyebabnya.
Jika semua titik yang diplot (digambarkan) masuk ke dalam batas-batas kendali, maka dapat dianggap bahwa persamaan peramalan tersebut adalah benar dan aman. Jika titik-titik yang masuk di luar batas-batas tersebut, berarti persamaan peramalan yang dipergunakan tidak teliti, sehingga perlu diadakan perbaikan yang sesuai. Dengan menggunakan peta kendali maka dapat dilihat di mana perubahan terjadi dan dapat ditentukan suatu persamaan peramalan dari data yang sesuai dengan sistem penyebab permintaan yang ada.
2.10.2 Peta Rentang Bergerak Untuk Pemeriksaan
Pertama kali dipergunakan peta rentang bergerak bertujuan untuk memeriksa peramalan-peramalan yang dilakukan.
2.10.3 Peta Rentang Bergerak Untuk Pengendalian Ramalan
Peta rentang bergerak telah dibahas dalam hubungannya sebagai suatu alat untuk membuat kebenaran dari suatu fungsi peramalan. Peta rentang bergerak tersebut dapat juga digunakan sebagai alat untuk pengawasan pemeliharaan dari kestabilan sistem penyebab tersebut yang dibuat dari permintaan. Bila kondisi tak terkendali diamati, kegiatan relatif terhadap ramalan atau permintaan akan dapat diterima. Dua kegiatan yang berkenaan dengan peramalan tersebut adalah :
1. Memperbaikinya untuk memasukkan data baru dan sistem penyebab yang baru.
2. Menunggu fakta-fakta atau keterangan berikutnya.
Salah satu tindakan yang dapat diterima hanya setelah adanya suatu pertimbangan dari seluruh aspek sistem penyebab tersebut. Suatu analisis hanya dari data secara umum adalah tidak cukup. Jika tindakan diterima berkenaan dengan permintaan dan yang mendasarinya sistem penyebab, secara umum tindakan tersebut haruslah menjadi :
1. Suatu percobaan untuk mempengaruhi sistem penyebab tersebut.
2. Penerimaan dari perubahan-perubahan dalam permintaan tanpa tindakan. Tindakan yang dapat diterima berkenaan dengan permintaan dan sistem penyebabnya adalah :
1. Perubahan dalam periklanan.
2. Perubahan dalam promosi penjualan. 3. Perubahan dalam kemampuan penjualan. Perubahan dalam harga dan lain-lain.
2.11 Perbaikan Peramalan
Fungsi peramalan digunakan sampai ditemukan adanya ketidaktetapan pada peta kendali. Dua tindakan dapat dilakukan :
1) Memperbaiki peramalan dengan menggunakan seluruh data yang lalu yang tersedia jika kelihatannya seolah-olah ini akan dihasilkan dalam suatu peramalan yang benar secara statistik.
2) Memasukkan data yang lalu dari pertimbangan jika kelihatannya bahwa suatu perubahan yang permanen yang terjadi dalam sistem penyebab kebetulan yang menimbulkan permintaan.
2.12 Ikhtisar
Salah satu prosedur untuk menilai metode peramalan secara statistik
adalah peta rentang bergerak, yang keuntungannya sama baiknya dengan mengusahakan kesederhanaan konstruksi dan pemeliharaan.
Pada dasarnya peta kendali mengemukakan tiga hal penting mengenai suatu pola permintaan :
1. Mengemukakan jika permintaan yang lalu adalah stabil karena statistik. 2. Mengemukakan jika permintaan yang sekarang adalah mengikuti pola-
Yang lalu.
3. Jika permintaan yang sekarang tidak mengikuti pola yang lalu, peta kendali menggambarkan bagaimana cara untuk memperbaiki metode peramalan tersebut.
Jadi, peramalan diselesaikan atau disempurnakan dengan salah satu alat yang sangat sederhana.
Pada penulisan tugas akhir ini, metode penelitian disusun berdasarkan kerangka berpikir dan tahapan penelitian pasar di lapangan secara sistematis. Metodologi ini diperlukan guna menghasilkan suatu bentuk pemecahan masalah yang terintegrasi dan menuju pada suatu tujuan, yaitu memberikan jawaban atau pemecahan atas perumusan masalah. Untuk memperoleh hasil yang maksimal, berbagai literatur diambil sebagai pijakan awal dalam membuka dan mempelajari lebih dalam masalah yang terjadi pada perusahaan. Untuk memperoleh data lapangan, dilakukan metode observasi yaitu mengamati secara langsung dan metode wawancara dengan instansi terkait.
Keberhasilan suatu penelitian sangat ditentukan oleh langkah – langkah penelitian yang baik dan jelas, sehingga dengan mudah pula dapat diketahui apa yang harus dilakukan untuk lebih memudahkan proses pencapaian tujuan penelitian. Adapun langkah – langkah dalam melakukan penelitian dibagi menjadi enam tahap, yaitu :
1. Identifikasi masalah 2. Tujuan penelitian 3. Studi pendahuluan 4. Pengumpulan data 5. Pengolahan data 6. Analisa & kesimpulan
Identifikasi Masalah
Tujuan Penelitian
Studi Lapangan Studi Pendahuluan Studi Pustaka
Pengumpulan Data
Pengolahan Data
Analisis Hasil Pengolahan Data
Selesai
Kesimpulan dan Saran
Gambar 3-1 Metodologi Penelitian
permasalahan utama pada PT. KSB adalah brand image terhadap produk PT.KSB dibandingkan dengan beberapa kompetitor lain yang sudah lebih dahulu terjun dan status perusahaan yang hanya melakukan proses penjualan dan assembly dengan mendatangkan produk yang diminta pelanggan dari berbagai negara yang diberi lisensi sebagai produsen. Selain itu, workshop dan gudang yang hanya mempunyai kapasitas menengah juga juga menjadi kendala jika terjadi peningkatan permintaan di PT.KSB. Oleh karena itu dalam tugas akhir ini akan dicoba diterapkan metode-metode peramalan permintaan, untuk membantu PT. KSB dalam mengatasi masalahnya.
3.2 Tujuan Penelitian
Tujuan penelitian adalah untuk melihat masalah yang sebenarnya terjadi dan dihadapi oleh PT.KSB, dimana terlihat bahwa masalah yang ada akan berpengaruh terhadap nilai penjualan ditambah dengan tuntutan kemampuan untuk bersaing dengan pesaing di pasar lokal, banyaknya pilihan pasokan barang dari berbagai Negara, harga yang kompetitif, kualitas yang baik, dan delivery time produk yang sesuai dengan kebutuhan merupakan kunci merebut market lebih besar. Untuk itu, maka sangat diperlukan suatu perbaikan dan penyempurnaan terhadap kebijakan baik dari segi strategi pemasaran, kapasitas workshop yang tersedia, dan sumber daya manusia di perusahaan.
kegiatan, yaitu : 1. Studi Pustaka
Yaitu studi yang mendukung dan berkaitan dengan teori – teori yang akan digunakan dalam proses pemecahan masalah. Studi pustaka ini dilakukan bersamaan pada saat penelitian, hal ini mempunyai tujuan agar dalam proses pemecahaan masalah tidak hanya berdasarkan situasi dan kondisi perusahaan tetapi juga didukung oleh teori – teori yang terkait.
2. Studi Lapangan
Yaitu suatu studi untuk mencari keterangan data atau informasi yang dibutuhkan tentang gambaran umum operasional perusahaan, dengan cara melakukan pengamatan langsung ke lokasi lapangan. Dalam studi lapangan juga dilakukan pengamatan terhadap supplier serta meningkatkan keikutserataan terhadap berbagai project.
3.4 Pengumpulan Data
Pengumpulan data sangat diperlukan untuk mencapai tujuan penelitian. Adapun data-data yang dikumpulkan terdiri-dari dua bagian yaitu data tentang gambaran umum perusahaan dan data permintaan dan penjualan pompa dua tahun
3.5 Pengolahan Data
Pengolahan data dilakukan untuk mendapatkan suatu landasan perhitungan yang dapat dijadikan dasar bagi pembuatan perencanaan dan penjadwalan persediaan yang terintergrasi sebagai suatu kesatuan yang utuh, sehingga dapat dengan baik dan optimal diterapkan oleh perusahaan. Pengolahan data untuk tugas akhir ini adalah proses peramalan ( Forecasting ).
Proses peramalan permintaan yang dilakukan adalah untuk keseluruhan kategori produk pompa yang di impor oleh PT. KSB dari tahun 2007 – 2008 dengan jangka waktu peramalan selama 12 periode mendatang. Metode peramalan yang digunakan adalah metode konstan, linier, konstan dan kuadratik. Pemilihan metode terbaik akan dilakukan dengan menganalisa kesalahan peramalan yaitu dengan membandingkan nilai ukuran hasil peramalan permintaan dengan jangka waktu peramalan selama 12 periode.
3.6 Analisis dan Kesimpulan
Pada tahap ini dilakukan analisis dari pengumpulan dan pengolahan data yang telah dilakukan dan menyimpulkan serta memberikan gagasan-gagasan baru untuk meningkatkan kinerja perusahaan.
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Gambaran umum perusahaan merupakan hasil pengumpulan data tertulis yang telah ada di perusahaan.
4.1.1 Company Profile
PT. KSB adalah perusahaan yang bergerak dalam penjualan pompa, valve, spare part, dan service dengan country of origin product dari German, Brazil, Spanyol, India, Malaysia, France, Spanyol, Amerika, dan beberapa Negara lain yang tidak dapat disebutkan satu per satu. Khusus untuk produk pompa PT.KSB mempunyai berbagai type pompa untuk berbagai keperluan, seperti:
• Oil and Gas • Water treatment • Chemical process • Mining • Industri • Dan sebagainya. 4.1.2 Struktur Organisasi
4.1.3 Data Permintaan
Data permintaan yang ditampilkan disini adalah jumlah keseluruhan permintaan dari semua kategori dalam tiap bulannya. Sebagai contoh permintaan di bulan Juni 2007 adalah 280 unit, ini berarti seluruh permintaan dari berbagai aplikasi pelanggan
Tabel 4-1
Data Permintaan Aktual Pompa Tahun 2007-2008
Tahun Bulan Periode(t ) Permintaan(A )
2007 Januari 1 280 Februari 2 219 Maret 3 250 Juni 4 285 Juli 5 230 Desember 6 200 2008 Januari 7 211 Februari 8 253 April 9 281 Mei 10 221 Juli 11 232 Desember 12 242 Total 78 2904
Jika kita lihat data di atas selama periode 1 tahun ( 12 bulan ), maka banyaknya data ( n ) adalah 12. Untuk mengetahui apakah data diatas cukup atau tidak untuk dianalisa lebih lanjut, maka kita perlu menguji kecukupan data tersebut.
4.1.4 Uji Kecukupan Data
Pengujian kecukupan data ini perlu dilakukan untuk mengetahui apakah data yang terkumpul sudah mencukupi atau belum dengan
menggunakan teori statistik tentang sampling data. Formulasi untuk mengetahui berapa jumlah pengamatan yang sebaiknya digunakan adalah sebagai berikut :
N'=
( )
2 2 2 ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ −∑
∑
∑
t t t n s k Dimana :N' = Jumlah siklus pengamatan yang seharusnya dilakukan
agar dapat diperoleh persentase kesalahan (error) pengamatan minimum dalam mengestimasikan t yaitu sebesar S.
n = Jumlah siklus pengamatan awal yang telah dilakukan untuk elemen kegiatan tertentu yang dipilih. k = Angka deviasi standar untuk yang besarnya
tergantung pada tingkat keyakinan (confidence level) yang diambil,
dimana :
- 90% confidence level : k = 1.65 - 95% confidence level : k = 2.00 - 99% confidence level : k = 3.00 .
S = Derajat ketelitian dari data t yang dikehendaki, yang
menunjukkan maksimum persentase penyimpangan yang bisa diterima dari nilai t yang sebenarnya. Nilai k/s
dikenal sebagai Confidence-Precision Ratio dari time study yang dilaksanakan.
t = Waktu pengamatan dari setiap elemen kerja untuk masing-masing siklus yang diukur.
Apabila tingkat ketelitian yang digunakan adalah 10% (0.10) dan tingkat keyakinan 99% (Z=3), dan banyaknya data (n) adalah 12, maka :
N' =
( )
2 2 2 ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ −∑
∑
∑
t t t n s kN' = 2 2 2 ) 242 ... 280 ( 2 ) 242 ... 280 ( ) 242 ... 280 ( 12 10 , 0 / 3 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ + + + + − + + N' =
2 904 . 2 256 . 107 30 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ N' = 11
Dari perhitungan di atas ternyata didapatkan data pengamatan yang ada sudah melebihi (n = 12) sedangkan N' yang diperlukan hanya 11 saja. Maka dinyatakan data yang ada sudah cukup dan penelitian dapat diteruskan.
4.2 Penentuan Pola Dasar Permintaan
Berdasarkan data permintaan bulan Januari 2007 sampai dengan bulan Desember 2008, dibuat grafik pola permintaan sebagai berikut :
150 170 190 210 230 250 270 290 310 1 2 3 4 5 6 7 8 9 10 11 12 Periode(t) P e rm in ta a n (uni t) Gambar 4-1
Grafik Pola Dasar Permintaan 12 Periode 2007 - 2008
4.3 Penerapan Metode-metode Peramalan 4.3.1 Metode Konstan
Metode konstan menentukan peramalan dengan merata-ratakan seluruh permintaan di setiap periodenya.
Tabel 4-2
Data Perhitungan Dengan Metode Konstan
Tahun Periode (t ) A F F-A l F-A l ( F - A )2 ( F-A )/A l( A-F ) /A l
2007 1 280 242 38 38 1444 0.14 0.25 2 219 242 (23) 23 529 (0.11) 0.11 3 250 242 8 8 64 0.03 0,03 4 285 242 43 43 1849 0.15 0.15 5 230 242 (12) 12 144 (0.05) 0.05 6 200 242 (42) 11 121 (0.06) 0.06 7 211 242 (31) 31 961 (0.15) 0.15 2008 8 253 242 11 11 121 0.04 0.04 9 281 242 39 39 1521 0.14 0.14 10 221 242 (21) 21 441 (0.10) 0.10 11 232 242 (10) 10 100 (0.04) 0.04 12 242 242 0 0 0 0 0 Total 78 2.904 2,904 0 247 7295 0.10 1.11 n A ∑ = F = 12 904 . 2 = 242 unit SEE = ) ( ) ' ( 2 f n yt yt − ∑ − = ) 1 12 ( 7295 − = 11 7295 = 25.7≈ 26 MAPE = n D e n t t
∑
=1 % 10012 11 , 1 (100%) = 9.25% MSE = n e n t t
∑
=1 2 = 12 7295 = 608 CFE =∑
= n t t e 1 = 12 0 = 0 Metode Konstan 0 50 100 150 200 250 300 1 2 3 4 5 6 7 8 9 10 11 12 Periode ( t ) Permin taan (u n it ) 242 Gambar 4-24.3.2 Metode Linier
Sebenarnya formula regresi linier lebih cocok jika data aktual berpola tren. Tetapi ada baiknya jika kita mencoba untuk mengetahui seberapa akurat regresi linier pada kasus permintaan di PT. SPU.
Tabel 4-3
Data Perhitungan Dengan Metode Linier
Tahun Bulan Periode(t ) Permintaan(A )
2007 Januari 1 280 280 1 Februari 2 219 438 4 Maret 3 250 750 9 Juni 4 285 1140 16 Juli 5 230 1150 25 Desember 6 200 1200 36 2008 Januari 7 211 1477 49 Februari 8 253 2024 64 April 9 281 2529 81 Mei 10 221 2210 100 Juli 11 232 2552 121 Desember 12 242 2904 144 Total 78 2,904 18654 650 A t. t2 b = ∑ − ∑ ∑ − ∑ ∑ 2 2 ) ( ) )( ( ) . ( t t n A t A t n = 2 ) 78 ( ) 650 ( 12 ) 904 . 2 )( 78 ( ) 654 . 18 ( 12 − − = 084 . 6 800 . 7 226512 848 . 223 − − = 716 . 1 664 . 2 − = -1.553 ≈ 2 a =∑A−b∑t
= 12 78 ) 55 , 1 ( 12 904 . 2 − − = 242 +10.075 = 252,075 ≈ 252
Untuk persamaan linier : y =a+bx
t F =252−2
Tabel 4-4
Peramalan Dengan Metode Linier
Tahun Bulan Periode ( t ) F =252-2t
2007 Januari 13 226 Februari 14 224 Maret 15 222 Juni 16 220 Juli 17 218 Desember 18 216 2008 Januari 19 214 Februari 20 212 April 21 210 Mei 22 208 Juli 23 206 Desember 24 204 Total 222 2,580
Tabel 4-5
Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Linier ( F = 252 - 2t )
1 280 250 30 900 75 30 0.11 0.11 2 219 248 (29) 841 70 29 (0.13) 0.13 3 250 246 4 16 1 4 0.02 0.02 4 285 244 41 1,681 140 41 0.14 0.14 5 230 242 (12) 1.089 0 12 (0.05) 0.05 6 200 240 (40) 1,600 133 40 (0.20) 0.2 7 211 238 (27) 729 61 27 (0.13) 0.13 8 253 236 17 289 24 17 0.07 0.07 9 281 234 47 2,209 184 47 0.17 0.17 10 221 232 (11) 121 10 11 (0.05) 0.05 11 232 230 2 4 0 2 0.01 0.01 12 242 228 14 196 16 14 0.06 0.06 78 2,904 2,868 36 8,587 716 274 0.01 1.14 SEE = ) ( ) ' ( 2 f n yt yt − ∑ − = ) 2 12 ( 578 , 8 − = 10 578 , 8 = 29,29 MAPE = n D e n t t
∑
=1 % 100 = (100%) 12 14 , 1 =9.5% MSE = n e n t t∑
=1 2= 12 8578 = 714.8≈715 CFE =
∑
= n t t e 1 = 12 36 = 3 Metode Linier 0 50 100 150 200 250 300 1 2 3 4 5 6 7 8 9 10 11 12 Periode ( t ) Permintaan (unit ) F =252 - 2t Gambar 4-34.3.3 Metode Kuadratik
Metode ini digunakan jika diagram dari masa lalu yang tersedia cenderung berbentuk parabola
Tabel 4-6
Data Perhitungan Dengan Metode Kuadratik
Tahun Periode(t ) 2007 1 280 1 1 1 280 280 78,400 2 219 4 8 16 438 876 47,961 3 250 9 27 81 750 2250 62,500 4 285 16 64 256 1140 4560 81,225 5 230 25 125 625 1150 5750 52,900 6 200 36 216 1.296 1200 7200 40,000 7 211 49 343 2.401 1477 10339 44,521 2008 8 253 64 512 4.096 2024 16192 64,009 9 281 81 729 6.561 2529 22761 78,961 10 221 100 1.000 10.000 2210 22100 48,841 11 232 121 1.331 14.641 2552 28072 53,824 12 242 144 1.728 210.736 2904 34848 58,564 Total 78 2,904 650 6.084 60.710 18654 155228 711,706 A 2 t 3 t t4 tA 2 A A t2 γ =
( )
2 2 4 t n t − Σ Σ = (650)² - (12)(60.710) = 422.500 – 728.520 = -306.020 σ =( )( )
∑t ∑A −n∑t( )
A = (78)(2.904) – (12)(18654) = 226512 – 223848 = 2664θ = Σt2
( )
∑A −nΣt2A = (650)(2.904) – (12)(155228) = 1.887600 – 1862736 = 24864 α =( )
∑t( )
∑t2 −n∑3 = (78)(650) – (12)(6.084) = 50.700 – 73.008 = - 22.308 ß =( )
2 3 t n t − Σ Σ = (78)² - (12)(6.084) = 6.084 – 73.008 = - 66.924 b = 2 α γβ θα γσ − − = 2 ) 308 . 22 ( ) 924 . 66 )( 020 . 306 ( ) 308 . 22 )( 24864 ( ) 2664 )( 020 . 306 ( − − − − − − − = 864 . 646 . 497 480 . 082 . 480 . 20 554666112 815237280 − + − = 616 . 435 . 982 . 19 260571168 − = -0,13 c = γ α θ −b = 020 . 306 ) 308 . 22 )( 13 , 0 ( ) 24864 ( − − − −= 020 . 306 ) 04 . 2900 ( ) 24864 ( − − = 020 . 306 96 . 21963 −
= -0,07
a = n t c n t b n A ∑ 2 − ∑ − ∑ = 12 ) 650 )( 07 , 0 ( 12 ) 78 )( 13 , 0 ( 12 904 . 2 − − − − = 242 +0.845 + 3.79 = 246.6Persamaan kuadratik adalah : y =a+bx+cx2
Jika persamaan peramalannya adalah : F =a+bt+ct2
Tabel 4-7
Peramalan Dengan Metode Kuadratik
Tahun Bulan Periode(t ) Peramalan(F )
2009 Januari 13 244 Februari 14 244 Maret 15 244 Juni 16 243 Juli 17 243 Desember 18 243 2010 Januari 19 243 Februari 20 243 April 21 242 Mei 22 242 Juli 23 242 Desember 24 242 Total 222 2,915 Tabel 4-8
Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Kuadratik ( F = 246.6 - 0,13t - 0,07t² )
Tahun Periode(t) t ² A F A-F l A - F l ( A - F )2 (A-F )/A l( A - F )/A l
2007 1 1 280 246 34 34 1,156 0.12 0.12 2 4 219 246 (27) 27 729 (0.12) 0.12 3 9 250 246 4 4 16 0.016 0.016 4 16 285 246 39 39 1,521 0.13 0.13 5 25 230 246 (16) 16 256 (0.07) 0.07 6 36 200 245 (45) 45 2,025 (0.22) 0.22 7 49 211 245 (34) 34 1,156 (0.16) 0.16 2008 8 64 253 245 8 8 64 0.03 0.03 9 81 281 245 36 36 1,296 0.128 0.128 10 100 221 245 (24) 24 576 (0.108) 0.108 11 121 232 244 (12) 12 144 (0,05) 0.05 12 144 242 244 (2) 2 4 (0,0083) 0.0083 Total 78 650 2904 2943 (40) 281 8943 (0,312) 1.16
SEE = ) ( ) ' ( 2 f n yt yt − ∑ − = ) 3 12 ( 8943 − = 9 8943 = 31.5 MAPE = n D e n t t t
∑
=1 % 100 = (100%) 12 16 . 1 = 9.67% MSE = n e n t t∑
=1 2 = 12 8943 = 745 CFE =∑
= n t t e 1 = 12 40 = 3.3Metode Kuadratik 0 50 100 150 200 250 300 1 2 3 4 5 6 7 8 9 10 11 12 Periode ( t ) Permintaan ( unit ) F=246.6- 0,13t- 0,07t2 Gambar 4-4
Grafik Peramalan Dengan Metode Kuadratik
Tabel 4-9
Ringkasan Akurasi Metode Peramalan
Metode Peramalan SEE MAPE MSE CFE
Konstan 26 0,093 607 0
Linier 29,9 0,095 715 3
Kuadratik 31,5 0,097 745 3,3
4.4 Moving Range
Setelah peramalan dibuat, selalu timbul keraguan mengenai kapan harus dibuat suatu metode peramalan baru. Peramalan harus selalu dibandingkan dengan permintaan aktual secara teratur. Pada suatu saat, harus diambil tindakan revisi peramalan apabila ditemukan bukti adanya perubahan Pola permintaan yang signifikan.
Setelah dibandingkan dari kelima metode peramalan yang ada, dan setelah dihitung masing-masing akurasi peramalannya, terpilih metode
konstan. Untuk itu, yang akan diperhitungkan MR dan dibuatkan peta kontrolnya, hanyalah metode konstan.
Tabel 4-10
Perhitungan Moving Range Untuk Pemeriksaan Peramalan Metode Konstan
Tahun Bulan t A F (F - A) MR=l(F-A)-(Ft-1-At-1)l
2007 Januari 1 280 242 (38) Februari 2 219 242 23 61 Maret 3 250 242 (8) 31 Juni 4 285 242 (43) 35 Juli 5 230 242 12 55 Desember 6 200 242 42 30 2008 Januari 7 211 242 31 11 Februari 8 253 242 (11) 42 April 9 281 242 (39) 28 Mei 10 221 242 21 60 Juli 11 232 242 10 11 Desember 12 242 242 0 10 Total 78 2904 2904 0 374 1 − ∑ = n MR MR = 11 374 = 34 BKA = +2,66 MR = +2,66 (34) = +90.44 BKB = -2,66 MR
= -2,66 (34) = -90.44
Peta Moving Range Untuk Pemeriksaan Peramalan Metode Konstan
1 2 3 4 5 6 7 8 9 10 11 12 -120 -90 -60 -30 0 30 60 90 120 Periode ( t ) (A -F ) BKB -90.44 BKA +90.44 Garis Pusat Gambar 4-5
BAB
V
ANALISA HASIL PENGOLAHAN DATA
5.1 Analisa Pola Data Permintaan
Berdasarkan data aktual permintaan pompa PT.KSB dari periode Januari 2007 sampai dengan Desember 2008 ( Bab IV Tabel 4-1 ), terlihat bahwa perbedaan permintaan tidak terlalu signifikan. Beberapa kemungkinan yang mempengaruhi perbedaan permintaan dalam rentang ini yang meliputi faktor eksternal dan internal, antara lain :
1. Fluktuasi nilai mata uang dolar
2. Permintaan cenderung bersifat reorder.
3. Masih belum semua project yang diikuti, PT.KSB ditetapkan sebagai vendor list.
4. Kenaikan harga bahan baku ( besi ) sehingga nilai jual produk menjadi lebih tinggi
5.2 Pemilihan Metode Peramalan
Untuk dapat membuat peramalan permintaan, maka dilakukan perhitungan secara mendalam dengan menggunakan beberapa metode peramalan, diantaranya : Metode Linier, Konstan, Kuadratik, Eksponensial dan Siklis. Peramalan yang dilakukan diukur tingkat akurasinya. Pengukuran akurasi hasil peramalan dilakukan dengan menggunakan 4 standar :
