LAPORAN PRAKTIKUM
“ PERENCANAAN INDUSTRI ”
MANA : FRIDA MASLIKHAH
NIM : 101710101064
SIFT : SELASA (15.00-17.00 WIB)
ACARA : 1. PERAMALAN
ASISTEN : POPPY NAZMI C.
RIZKY FATMAWATI
JURUSAN
TEKNOLOGI HASIL PERTANIAN
FAKULTAS TEKNOLOGI
PERTANIAN
UNIVERSITAS
JEMBER
TAHUN 2012
BAB 1. PENDAHULUAN
1.1 Latar Belakang
Hampir seluruh
kegiatan manusia senantiasa diarahkan pada kondisi waktu yang akan datang, yang
keberadaannya tidak dapat diketahui secara pasti. Hal yang sama juga terjadi
pada kegiatan perusahaan. Suatu perusahaan melakukan kegiatan untuk mencapai
sesuatu pada waktu yang akan datang serta memperhitungkan kondisi yang mungkin
terjadi dimasa yang akan datang. Kondisi pada waktu yang akan datang tidak
dapat diketahui secara pasti sehingga perusahaan mau tidak mau harus bekerja
dengan orientasi pada waktu yang akan datang yang tidak pasti. Untuk
meminimalkan ketidakpastian itu dapat dilakukan dengan metode atau teknik
peramalan. Dengan teknik peramalan dapat diidentifikasikan pola yang dapat
digunakan untuk meramalkan kondisi pada waktu yang akan datang, sehingga dari
hasil peramalan itu, eksekutif perusahaan dapat membuat perencanaan yang
diperlukan untuk dilaksanakan pada masa yang akan datang.
Peramalan merupakan
aktivitas pertama dalam penentuan jadwal produksi di masa depan. Peramalan
memprediksi jumlah permintaan pasar akan sebuah produk yang kemudian digunakan
sebagai dasar untuk menentukan target volume produksi. Ide yang mendasari
setiap metode peramalan adalah penggunaan data atau fakta di masa lalu untuk
memprediksikan kondisi di masa yang akan datang. Berdasarkan karakteristik data
yang digunakan, secara garis besar metode peramalan dikelompokkan menjadi dua,
yaitu Metode Peramalan Kualitatif dan
Metode Peramalan Kuantitatif.
1.2 Tujuan
Tujuan dari
praktikum kali ini diantaranya adalah untuk mempelajari penggunaan program
winQSB untuk peramalan menggunakan beberapa metode peramalan seperti regresi
selanjar, rerata bergerak, pemulusan eksponensial, dan pemulusan dengan
pemfaktoran kecenderungan. Sehingga praktikum mampu mengaplikasikan
peramalannya dalam menghadapi beberapa kasus dalam kehidupan.
BAB 2. TINJAUAN
PUSTAKA
Peramalan merupakan aktivitas
pertama dalam penentuan jadwal produksi di masa depan. Berdasarkan sifatnya
peramalan dibagi menjadi dua, yaitu:
1.
Kualitatif
Teknik ini digunakan apabila data masa lalu tidak tersedia
atau walaupun tersedia namun jumlahnya tidak mencukupi. Teknik kualitatif
mengkombinasikan informasi dengan pengalaman, penilaian, dan intuisi untuk
menghasilkan pola-pola dan hubungan yang mungkin dapat diterapkan dalam
memprediksi masa yang akan datang. Teknik-teknik kualitatif didasarkan atas
pendekatan akal sehat (common sense) dalam menyaring informasi ke dalam bentuk
yang bermanfaat. Beberapa metode yang tercakup dalam teknik-teknik kualitatif
antara lain visionary, panel consensus, brainstorming, antipatory survey, role
playing, dan lain-lain.
Teknik kualitatif paling sesuai diterapkan dalam dua kondisi
berikut :
1.
Tidak terdapat atau kurangnya
data kuantitatif yang berkualitas. Misalnya, dalam peramalan peluang bagi
produk atau pasar yang baru.
2.
Terdapat data kuantitatif yang
cukup, namun terdapat faktor-faktor tertentu yang menyebabkan teknik kualitatif
lebih sesuai untuk diterapkan. Misalnya, meskipun terdapat data yang cukup
mengenai kondisi historis ekonomi Indonesia, kondisi-kondisi non ekonomi
(politik dan sebagainya) sangat mempengaruhi keadaan di masa depan.
Sedangkan keterbatasan-keterbatasannya antara lain :
1.
Bukti-bukti empiris menunjukkan
bahwa hasil yang berbeda dapat timbul jika digunakan metode pengumpulan
informasi yang berbeda.
2.
Terdapat kemungkinan timbulnya
penilaian-penilaian yang overconfidence
3.
Adanya fenomena “groupthink”
dimana pemikiran yang menyimpang dari konsensus kelompok akan ditekan. Efek
dari groupthink ini adalah berkurangnya
pendapat-pendapat kritis.
2. Kuantitatif
Dalam teknik ini, pola historis data digunakan untuk
mengekstrapolasi (meramalkan) masa datang. Terdapat dua teknik kuantitatif yang
utama : analisis deret waktu (time series analysis) dan model struktural
(structural model) atau model kausal.
Terdapat dua kelompok karakteristik yang dapat digunakan
sebagai kerangka dasar
untuk menilai kesesuaian suatu model untuk diterapkan :
1.
Situasi
Berdasarkan situasi
yang ada, harus diperhatikan hal-hal antara lain : horison waktu, detil yang
dibutuhkan, jumlah item yang akan diramal, tujuan dilakukannya peramalan
{kontrol vs perencanaan}, kekonstanan, dan prosedur perencanaan yang ada saat
ini.
2. Metode
Berdasarkan metode
yang ada, harus diperhatikan hal-hal antara lain : horison waktu, pola data,
biaya,keakuratan, dan daya tarik intuitif.
Mula-mula terdapat pilihan apakah
akan digunakan metode kuantitatif atau metode kualitatif. Dalam peramalan bisnis,
metode-metode kualitatif lebih sesuai untuk peramalan jangka panjang yang
berkaitan dengan identifikasi perubahan yang mungkin terjadi dalam pola-pola
dan hubungan-hubungan yang sudah mapan serta juga pada keadaan dimana terdapat
ketidakpastian yang tinggi atau kurangnya data. Peramalan kuantitatif biasanya
lebih baik dalam jangka waktu pendek atau menengah, yang kebutuhan peramalannya
adalah untuk perencanaan produksi dan penjadwalan personel dalam jangka pendek
serta untuk penentuan anggaran dalam jangka menengah.
Jika metode kuantitatif yang
dipilih, selanjutnya terdapat pilihan antara model kausal atau deret waktu.
Metode kausal lebih sesuai di mana terdapat hubungan antar variabel yang dapat
diidentifikasikan dengan mudah dan terdapat sedikit variabel eksternal. Ketika
variabel tersebut dipengaruhi oleh lebih banyak faktor, metode deret waktu
lebih sesuai. Deret waktu lebih efektif ketika banyak peramalan dibutuhkan
dalam horison jangka pendek sebagaimana yang sering dijumpai dalam dunia
bisnis.
Setelah ditentukan metode-metode
mana yang diperkirakan sesuai dan parameter-parameter model telah pula
ditetapkan, maka untuk menentukan metode terbaik yang nantinya akan dipakai
diperlukan suatu evaluasi.
Terdapat tiga atribut penilaian :
1. Kesesuaian terhadap data historis.
2. Landasan statistik dan teoritis yang dapat
dipertanggungjawabkan.
3. Kesesuaian dengan situasi yang sedang dihadapi.
Peramalan yang baik mempunyai karakteristik sebagai berikut:
1. Akurasi
Akurasi dari suatu
hasil ramalan diukur dengan kebiasan dan kekonsistenan peramalan tersebut.
Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau
terlau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil
peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.
2. Biaya
Biaya yang
dibutuhkan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item
yang diramalkan. lamanya periode peramalan. dan metode peramalan yang dipakai.
Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan
tingkat akurasi yang diinginkan.
3. Kemudahan
Penggunaan metode
peramalan yang sederhana. mudah dibuat. dan mudah diaplikasikan akan memberikan
keuntungan bagi perusahaan. Karena sangat percuma bila harus menggunakan metode
yang canggih. tetapi tidak dapat diaplikasikan pada system perusahaan karena
keterbatasan dana. sumber daya manusia. dan peralatan teknologi.
Beberapa sifat hasil peramalan yang harus dipertimbangkan
adalah sebagai berikut:
1.Peramalan pasti mengandung kesalahan
Artinya peramalan hanya bisa mengurangi ketidakpastian yang
terjadi. tetapi tidak dapat menghilangkan ketidakpastian tersebut.
2. Peramalan memberikan informasi tentang berapa ukuran
kesalahan
Karena peramalan pasti mengandung kesalahan. maka adalah
penting bagi peramal untuk menginformasikan berapa besar kesalahan yang
mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dari pada peramalan
jangka panjang
Hal ini disebabkan karena pada peramalan jangka pendek. faktor-faktor
yang mempengaruhi permintaan relatif masih konstan. sedangkan
semakin panjang periode peramalan. maka semakin besar pula kemungkinan
terjadinya peubah faktor-faktor yang mempengaruhi permintaan.
BAB 3. METODOLOGI
PRAKTIKUM
3.1 Skema Kerja
3.1.1 Regresi
Selanjar
3.1.2 Rerata
Bergerak
3.1.3
Pemulusan Eksponensial
3.1.4 Pemulusan
dengan pemfaktoran kecenderungan
BAB 4. HASIL
PENGAMATAN DAN PERHITUNGAN
4.1 Hasil Pengamatan
Soal no 1. Hal 1
4.1 Hasil Pengamatan
|
Metode
|
Demand
|
CFE
|
MAD
|
TS
|
MAPE
|
|
Regresi Linear
|
9
|
-
|
-
|
-
|
-
|
|
MA
|
34,333
|
26,333
|
5,7999
|
4,54023
|
16,2655%
|
|
SES
|
30,8441
|
47,8136
|
6,83052
|
6,9999
|
16,2655%
|
|
SEST
|
40,8452
|
15,31422
|
3,57941
|
4,27842
|
8,948527%
|
BAB 5. PEMBAHASAN
5.1 Peramalan dan Fungsinya
Peramalan merupakan aktivitas
pertama dalam penentuan jadwal produksi di masa depan. Peramalan didasarkan
pada penentuan (prediksi) jumlah permintaan sebuah produk yang kemudian akan
dijadikan sebagai target produksi. Peramalan adalah suatu bagian dari kegiatan
manajemen sebagai dasar pembuatan keputusan. Suatu perusahaan membangun tujuan
dan mencari faktor lingkungan lalu menyeleksi tindakan yang diharapkan akan
memberi hasil pada pencapaian tujuannya.
Peramalan adalah proses digunakan
untuk memperkirakan berapa kebutuhan dimasa datang yang meliputi kebutuhan
dalam ukuran, kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam
rangka memenuhi permintaan barang ataupun jasa. Aktivitas peramalan merupakan
suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk
sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.
Peramalan adalah suatu bagian
dari kegiatan manajemen sebagai dasar pembuatan keputusan. Suatu perusahaan
membangun tujuan dan mencari faktor lingkungan lalu menyeleksi tindakan yang
diharapkan akan memberikan hasil pada pencapaian tujuannya.
Peramalan tidak terlalu
dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan
permintaannya relatif kecil, tetapi peramalan akan sangat dibutuhkan bila
kondisi permintaan pasar bersifat komplek dan dinamis.
Dalam kondisi pasar bebas,
permintaan pasar lebih banyak bersifat komplek dan dinamis, karena permintaan
tersebut akan tergantung dari keadaan sosial, ekonomi, politik, aspek
teknologi, produk pesaing dan produk substitusi. Oleh karena itu, peramalan
yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan
keputusan yang manajemen.
Fungsi peramalan antara lain adalah :
1.
Menentukan apa yang dibutuhkan
untuk perluasan pabrik
2.
Menentukan perencanaan lanjutan
untuk produk-produk yang sudah ada untuk dikerjakan dengan fasilitas-fasilitas
yang ada
3.
Memperkirakan produksi mendatang
dengan pertimbangan produksi di tahun-tahun sebelumnya
4.
Memperikan keuntungan mendatang
5.
Menanggulangi kebangkrutan sedini
mungkin dengan melakukan inovasi-inovasi produk
6.
Membaca pasar sehingga kita dapat
memperkirakan kira-kira produk apa yang akan sangat laku untuk dijual
7.
Menentukan keputusan apa yang
harus diambil untuk pengembangan produk sehingga dapat meningkatkan keuntungan
8.
Menentukan lokasi yang strategis
untuk pengembangan produk
9.
Menentukan waktu atau masa produk
sehingga diharapkan sebelum itu sudah dapat menghadirkan produk baru sebelum
produk lama tenggelam
5.2 Time Series
Forcasting
Time Series Forecasting merupakan suatu metode
peramalan yang ditentukan dari data sebelumnya dari suatu variabel atau
kesalahan masa lalu dengan tujuan agar dapat menemukan pola data
sebelum-sebelumnya dalam bentuk deret dan dapat menginterpolasikannya pola data
masa lalu ke masa depan. Tujuan Time Series Forecasting adalah untuk
mengamati atau memodelkan data series yang telah ada sehingga memungkinkan
dapat mengetahui data yang akan datang yang belum diketahui dengan
perhitungan-perhitungan.
5.3 4 Metode
Peramalan
Pada praktikum kali
ini dipakai 4 metode peramalan, yakni sebagai berikut :
a). Regresi Selanjar
Metode peramalan
regresi selanjar menggunakan persamaan linier yang dibentuk dengan memasukkan
salah satu faktor yang ditentukan kedalam suatu persamaan yang telah diketahui
sehingga dapat diketahui nilai pada tahun berapapun setelah tahun yang telah
diketahui.
b). Rerata bergerak (Moving Average)
Merupakan metode peramalan yang hanya sesuai untuk deret
waktu yang bersifat stasioner. Metode ini sering digunakan untuk menghilangkan
trend dan sifat musiman pada satu set data, menganalisis deret residualnya dan
kemudian menggabungkan kembali variasi trend dan seasonal. Efek random dapat
dihilangkan dengan mengambil rata-rata terhadap sejumlah pengamatan.
c). Pemulusan dengan pemfaktoran kecenderungan
Metode peramalan
pemulusan dengan pemfaktoran kecenderungan sama dengan pemulusan eksponensial,
hanya berbeda dalam menggunakan dua koefisien pemulusan untuk menghilangkan
fluktuasi pada data sebelumnya dan kecenderungannya.
a)
Pemulusan Eksponensial
Pada dasarnya
metode peramalan ini yakni data masa lalu dimuluskan dengan cara melakukan
pembobotan menurun secara eksponensial terhadap nilai pengamatan yang lebih
tua. Data yang didapat lebih akurat karena berdasarkan nilai koefisien semua
data dan berdasarkan dari data awal.
5.4 Analisa Data
Dari
praktikum yang telah dilakukan yang menggunakan beberapa metode yakni metode
regresi selanjar, rerata bergerak, pemulusan eksponensial (Single Exponential
Smoothing), dan pemulusan dengan pemfaktoran kecenderungan (Single Exponential
Smoothing With trend). Didapatkan hasil sebagai berikut:
·
regresi selanjar
Pada contoh soal telah diketahui
sebagai sumbu y (faktor 2) dan sebagai sumbu x (faktor 1) sehingga didapati
persamaan sebagai berikut: faktor 2 = 893.75 + 77.0833faktor 1. Dari persamaan
tersebut dapat dicari peramalan untuk tahun ke-9 dengan cara memasukkan angka 9
pada faktor 1 sehingga akan didapatkan hasil peramalan untuk tahun ke-9 yakni
1587.4997.
·
rerata bergerak
Pada contoh soal diketahui
jumlah periodenya adalah 8 dan jumlah rerata bergeraknya adalah 3. Dengan
maksud peramalan dilakukan dengan 3 data tahu sebelumnysehingga didapatkan
hasil pada tahun ke-9 adalah sebesar 1425 dengan CFE =691,669 MAD = 138.3334,
MSE = 23236.12, MAPE = 10.01943 dan TS = 5.
·
pemulusan
eksponensial (Single Exponential Smoothing)
Pada contoh soal didapatkan hasil
pada tahun ke-9 sebanyak 1434.18 dengan CFE = 1018.359, MAD = 145.4799, MSE =
26676.66, MAPE = 11.18695 dan TS = 7.
·
Pemulusan dengan
pemfaktoran kecenderungan (Single Exponential Smoothing With trend)
Pada contoh soal didapatkan hasil
pada tahun ke-9 sebanyak 1579.302 dengan CFE = 445.3246, MAD = 86.57542, MSE =
11588.13, MAPE = 7.082344 dan TS = 5.143776.
·
Soal nomor 1
Pada soal tersebut dilakukan
peramalan permintaan pada bulan ke 9 dengan metode SEST (α = 0,6 dan β = 0,3). Diperoleh
hasilnya adalah sebesar 41,7266 dengan
CFE =26.3333, MAD = 3,579411, MSE = 16,52762, MAPE = 12,002 dan TS = 4,278419
·
Soal nomor 2
Dengan menggunakan metode Moving
Average didapatkan dari soal periodenya 8 dan jumlah rerata bergeraknya 3
diperoleh hasil peramalan permintaan bulan ke-9 sebanyak 34,3333 dengan CFE
=26.3333, MAD = 5,8, MSE = 52,02222, MAPE = 17,30952 dan TS = 4,540229
·
Soal nomor 3
Dengan menggunakan metode Simple
Exponensial Smothing dengan α = 0,3 yang diketahui dari soal diperoleh hasil
peramalan permintaan bulan ke-9 adalah sebesar 30,84408 dengan CFE = 47,81361, MAD = 6,830516 MSE = 62,41204, MAPE = 22,83718 dan TS = 7
·
Soal nomor 4
Dengan menggunakan metode Regresi
Linier diperoleh persamaan sebagai berikut : Faktor 2 = 15,252 + 2,583 faktor1 sehingga
dapat diketahui bahwa permintaan pada bulan September yakni bulan ke-9 adalah
38,499 unit.
BAB 6. PENUTUP
6.1 Kesimpulan
Adapun kesimpulan dari praktikum
kali ini adalah sebagai berikut :
1.
Peramalan adalah proses digunakan
untuk memperkirakan berapa kebutuhan dimasa datang yang meliputi kebutuhan
dalam ukuran, kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam
rangka memenuhi permintaan barang ataupun jasa.
2.
Dipakai 4 metode yakni : regresi selanjar,
rerata bergerak, pemulusan eksponensial, dan pemulusan dengan pemfaktoran
kecenderungan.
3.
Pada soal 1 dilakukan peramalan
permintaan pada bulan ke 9 dengan metode SEST (α = 0,6 dan β = 0,3). Diperoleh
hasilnya adalah sebesar 41,7266 dengan
CFE =26.3333, MAD = 3,579411, MSE = 16,52762, MAPE = 12,002 dan TS = 4,278419
4.
Pada soal 2 dilakukan peramalan
dengan metode Moving Average dan didapatkan hasil peramalan permintaan bulan
ke-9 sebanyak 34,3333 dengan CFE =26.3333, MAD = 5,8, MSE = 52,02222, MAPE =
17,30952 dan TS = 4,540229
5.
Pada soal 3 menggunakan metode
Simple Exponensial Smothing (α = 0,3) diperoleh hasil peramalan permintaan
bulan ke-9 adalah sebesar 30,84408
dengan CFE = 47,81361, MAD = 6,830516
MSE = 62,41204, MAPE = 22,83718 dan TS = 7
6.
Pada soal 4 menggunakan metode
Regresi Linier diperoleh persamaan sebagai berikut : Faktor 2 = 15,252 + 2,583
faktor1 sehingga dapat diketahui bahwa permintaan pada bulan September yakni
bulan ke-9 adalah 38,499 unit.
6.2 Saran
Adapun saran untuk praktikum kali
ini adalah untuk praktikan lebih memahami lagi mengenai praktikum yang
dilakukan dengan mempelajarinya terlebih dahulu.
DAFTAR PUSTAKA
Andi. 2008. Fungsi-Peramalan-dalam-Perencanaan-dan-Pengendalian-Produksi.
http://www.scribd.com/doc/60950685/35/Fungsi-Peramalan-dalam-Perencanaan-dan-Pengendalian-Produksi?olddoc=1 (26 Maret 2010).
Buffa, Elwood S.
1996. Manajemen Operasi dan Produksi
Modern, Jilid 1 Edisi Kedelapan. Jakarta : Binapura Aksara.
Makridakis, S, Wheelwright
S.C dan Mac Gee V.E. 1993. Metode dan Aplikasi Peramalan. Jakarta : Penerbit
Erlangga.
Prawirosentono,
Suyadi. 2000. Bahasan Komprehensif
Strategi Pengambilan Keputusan Bisnis. Jakarta : Bumi Aksara.
Sofian, A. 1984.
Teknik dan Metode peramalan. Jakarta : UI-Press.
Schroeder. 1997. Manajemen Operasi. Jakarta : Penerbit Erlangga.
Stone, James A.F.
1997. Ekonomi Manajerial. Jakarta :
Bina Aksara.
