Rabu, 10 Oktober 2012

PERAMALAN


BAB 1. PENDAHULUAN
1.1 Latar Belakang
Di masa sekarang yang merupakan era globalisasi banyak bermunculan perusahaan yang bergerak di bidang jasa maupun manufaktur. Persainganpun terjadi antar perusahaan – perusahaan tersebut, terlebih perusahaan yang memproduksi produk sejenis. Banyak hal yang harus di lakukan untuk meningkatkan keuntungan demi kelangsungan suatu perusahaan. Adanya perencanaan produksi, pemasaran, dan penyimpanan yang bertujuan agar diperoleh biaya yang paling minimum sehingga keuntungan yang akan didapatkan bisa semaksimal mungkin.
Perusahaan harus tepat dalam hal perencanaan produksi yang disebabkan karena jumlah permintaan yang tidak menentu (berfluktuasi). Untuk mengantisipasi hal tersebut, maka di perlukan suatu metode.  Terjadinya penumpukan produk pada periode tertentu yang akan menambah biaya simpan dan pada periode yang lain terjadi kekurangan produk yang menyebabkan permintaan konsumen tidak dapat dipenuhi, yang menyebabkan perusahaan akan kehilangan kesempatan untuk mendapatkan keuntungan, sehingga berdasarkan permasalahan tersebut maka perlu dibuat suatu perencanaan produksi dimana perusahaan dapat menentukan jumlah produk yang harus diproduksi secara optimal untuk memenuhi kebutuhan pasar.

1.2 Tujuan
Adapun tujuan dari diadakanya peramalan ini adalah :
1.      agar dapat memilih atau menggunakan metode yang baik untuk digunakan dalam peramalan dari empat metode tersebut;
2.      mempelajari bagaimana meramalkan peristiwa mendatang pada dunia bisnis.




BAB 2. TINJAUAN PUSTAKA


Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan merupakan tingkat permintaan produk - produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan dating (Stone, 1997).
Menurut Handoko (2000), usaha untuk meramalkan di maa mendatang melalui pengujian keadaan di masa lalu disebut dengan peramalan. Esesnsi peramalan yaitu perkiraan peristiwa-peristiwa di waktu yang lalu dan penggunaan kebijakan terhadap proyeksi-proyeksi dengan pola-pola di waktu lalu. Fungsi dari peramalan adalah untuk untuk meramalkan atau memperkirakan biaya maupun keuntungan yang didapat dengan kuantitas tertentu sehingga dapat menentukan jumlah produksi yang sesuai sehingga tidak rugi.
Untuk menjamin efektivitas dan efisiensi dari sistem peramalan permintaan, terdapat delapan langkah yang harus diperhatikan yaitu:
1.    Memilih item independent demand yang diramalkan
2.    Menentukan horizon waktu dari peramalan
3.    Memilih model - model peramalan
4.    Memperoleh data yang dibutuhkan untuk melakukan peramalan
5.    Validasi model peramalan
6.    Membuat peramalan
7.    Implementasi hasil - hasil peramalan
8.    Memantau keandalan hasil peramalan

Dalam fungsi peramalan tidak hanya termasuk di dalamnya teknik khusus dan model, tetapi juga termasuk input dan output dari subyek peramalan. Pengembangan fungsi peramalan dibutuhkan untuk mengidentifikasi output, karena spesifikasi output dapat menyederhanakan pemilihan model peramalan, tetapi fungsi permalan tidaklah lengkap tanpa mempertimbangkan input. Peramalan biasanya meliputi beberapa pertimbangan berikut ini:
1.              Item yang diramalkan
2.              Peramalan dari atas (top-down) atau dari bawah (buttom-up)
3.              Teknik peramalan (model kuantitatif atau kualitatif)
4.              Satuan yang digunakan
5.              Interval/horison waktu
6.              Komponen peramalan
7.              Ketepatan peramalan
8.              Pengecualian dan situasi khusus
9.              Perbaikan parameter model peramalan.
(Yamit, 2005).
Dalam membuat peramalan atau menerapkan hasil peramalan, ada beberapa hal yang harus dipertimbangkan yaitu:
1.      Peramalan pasti mengandunga kesalahan, artinya peramal hanya bias mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat menghilangkan ketidakpastian tersebut.
2.      Peramalan seharusnya memberikan informasi mengenai berapa ukuran kesalahan.
3.      Peramalan jangka pendek lebih akurat dibandingkan dengan peramalan jangka panjang.
Terdapat beberapa peraturan yang harus diperhatikan sebelum melakukan peramalan yaitu :
1.    Tidak boleh meramalkan produk - produk yang tergolong ke dalam dependent demand.
Produk - produk yang tergolong dalam dependent demand harus direncanakan atau dihitung. Peramalan hanya boleh dilakukan pada produ - produk yang tergolong ke dalam independent demand.
2.    Penentuan horizon peramalan berdasarkan kondisi aktual sistem manufaktur dan tujuan dari peramalan.
Semakin jauh periode di masa mendatang yang diramalkan-dengan asumsi           faktor - faktor lain tetap-hasil ramalan akan semakin kurang akurat
3.    Disamping berdasarkan waktu, peramalan juga dapat dilakukan berdasarkan lokasi geografis, kelompok produk, yang dikenal sebagai peramlan berdasarkan dimensi agregasi dan disagregasi.
Peramalan berdasarkan sifatnya dapat dibedakan menjadi dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode peramalan kuantitatif dapat dibagi menjadi dua bagian yaitu metode peramalan deret waktu dan metode kausal, sedangkan metode kualitatif dibagi menjadi metode eksploratoris dan normatif. Teknik peramalan kuantitatif sangat beragam, dikembangkan dari berbagai disiplin ilmu dan untuk berbagai maksud. Setiap teknik yang akan dipilih memiliki sifat, ketepatan, tingkat kesulitan dan biaya tersendiri yang harus dipertimbangkan (Stone, 1997).
Antarikso(1994), menjelaskan bahwa pada umumnya peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:
1.  Tersedia informasi tentang masa lalu (data historis)
2.  Informasi tersebut dapat dikuantitatifkan dalam bentuk numerik
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus      berlanjut di masa mendatang.                        


BAB 3. METODOLOGI

3.1 Regresi Selenjar
Jalankan Program winQSB
Klik Start, All Program, winQSB, Forecasting and linear Regression

Klik gambar kotak di pojok atas di bawah file

Pilih Linear Regression

Isi “problem title”, jumlah factor dan jumlah observasi

Klik OK

Isi tabel sesuai data di soal

Klik “Solve and Analyze”, pilih “program linear regression”

Tentukan sumbu X dan Y àklik OKàcatat hasilnya

Klik “Result”, pilih “Show regression line”

Tentukan nilai thn ke-9 dengan persamaan yang ada

3.2 Rerata Bergerak
Klik Start, All Program, winQSB, Forecasting and linear Regression

Klik gambar kotak di pojok atas di bawah file

Pilih Linear Regression

Isi “problem title”, jumlah factor dan jumlah observasi

Klik OK

Isi tabel sesuai data di soal

Klik “Solve and Analyze”, pilih “program linear forecasting”

Pilih moving average

Masukkan data sesuai dengan soal yang ada

Catat data yang ada dan berapa nilai yang diramalkan
3.3 Pemulusan Eksponensial
Klik Start, All Program, winQSB, Forecasting and linear Regression

Klik gambar kotak di pojok atas di bawah file

Pilih Linear Regression

Isi “problem title”, jumlah factor dan jumlah observasi

Klik OK

Isi tabel sesuai data di soal

Klik “Solve and Analyze”, pilih “Single exponentiall smoothing”

Pilih moving average

Masukkan data sesuai dengan soal yang ada

Catat data yang ada dan berapa nilai yang diramalkan
3.4 Pemulusan Dengan Pemfaktoran Kecenderungan
Klik Start, All Program, winQSB, Forecasting and linear Regression

Klik gambar kotak di pojok atas di bawah file

Pilih Linear Regression

Isi “problem title”, jumlah factor dan jumlah observasi

Klik OK

Isi tabel sesuai data di soal

Klik “Solve and Analyze”, pilih “single exponentiall smoothing wit trend”

Pilih moving average

Masukkan data sesuai dengan soal yang ada

Catat data yang ada dan berapa nilai yang diramalkan



BAB 4. PEMBAHASAN

Peramalan (forecasting) adalah proses memperkirakan peristiwa mendatang dan digunakan secara luas didalam bisnis. Peramalan sangat penting di dunia usaha (Anonim, 2011)
Berdasarkan Handoko (2001), peramalan adalah suatu kegiatan yang menggunakan data masa lalu sebagai dasar untuk meramalkan kejadian yang akan terjadi pada masa datang. Hasil dari peramalan hanya merupakan suatu yang tidak pasti atau hanya merupakan suatu perkiraan, tetapi dengan  metode-meode tertentu maka peramalan akan menjadi lebih dari sekedar perkiraan, yang berarti bahwa peramalan suatu perkiraan yang bersifat ilmiah. Peramalan digunakan pada saat pengambilan keputusan.
Fungsi peramalan dalam perencanaan industri adalah sebagai berikut :
1.      Untuk memperkirakan peristiwa mendatang dan digunakan secara luas di dalam berbagai macam bisnis
2.      Untuk meramalkan atau memperkirakan biaya maupun keuntungan yang didapat dengan kuantitas tertentu sehingga dapat menentukan jumlah produksi yang sesuai sehingga tidak rugi
3.      Dapat membuat keputusan yang menyangkut pemilihan proses, perencanaan kapasitas dan layout fasilitas serta berbagai keputusan yang bersifat kontinyu
(Yamit, 2005).
Time Series Forecasting adalah meramalkan suatu peristiwa kedepan berdasarkan data-data dari tahun sebelumnya. Analisis deret waktu (time series analysis) merupakan metode yang mepelajari deret waktu, baik dari segi teori yang menaunginya maupun untuk membuat peramalan (prediksi). Prediksi / Peramalan deret waktu adalah penggunaan model untuk memprediksi nilai di waktu mendatang berdasar peristiwa yang telah terjadi. Di dunia bisnis, data deret waktu digunakan sebagai bahan acuan pembuatan keputusan sekarang, untuk proyeksi, maupun untuk perencanaan di masa depan. Contoh penggunaannya adalah pada harga pembukaan harga saham di bursa efek berdasar performa sebelumnya (Stone, 1997).
Adapun metode metode yang terdapat dalam peramalan, antara lain :
1.    Regresi Selanjar
Mngembangkan hubungan sselanjar antara variable tak bebas tunggal dan banyak variabel bebas.
2.    Rerata bergerak
Memuluskan fluktuasi acak menggunakan rerata yang rerata atau diperberat.
3.    Pemulusan Eksponensial
Menggunakan koefisien pemulusan tunggal untuk menyesuaikn data historis
4.    Pemulusan dengan penfaktoran kecendrungan
Menggunakan dua koefisien pemulus untuk menghilangkan fluktuasi pada data historis dan kecenderungan (Anonim, 2011).
            Berdasarkan praktikum yang dilakukan, pertama kami menggunakan metode regresi selanjar yang digunakan untuk mengembangkan hubungan selanjar antara variabel tak bebas tunggal dengan banyak variabel bebas. Pada contoh soal telah diketahui mana yang menjadi Y atau faktor 2 dan faktor 1 sebagai X. Dengan menggunakan regresi selanjar maka dapat didapatkan persamaan faktor 2 = 893.75 + 77.0833faktor 1. Dari persamaan ini maka dapat dicari peramalan untuk tahun ke-9. Caranya yaitu dengan memasukkan angka 9 pada faktor 1. Setelah itu barulah didapatkan hasil peramalan untuk tahun ke-9 yaitu 1587.4997.
Kemudian pada rerata bergerak dilakukan dengan memuluskan fluktuasi acak menggunakan rerata setara atau diperberat. Time series Forcasting yang digunakan metode ini yakni berdasarkan fungsi-sungsi waktu. Data yang nantinya dihasilkan antara lain jumlah data-data untuk peramalan dan jumlah rerata bergerak dalam rata-rata. Dalam contoh soal yang dilakukan pada praktikum dituliskan jumlah periodenya 8 dan jumlah rerata bergeraknya 3 atrinya meramal dengan 3 data tahu sebelumnya. Lalu diperoleh hasil pada tahun ke-9 sebanyak 1425 dengan CFE =691, MAD = 138.3334, MSE = 23236.12, MAPE = 10.01943 dan TS = 5.
Sedangkan untuk contoh soal dengan menggunakan pemulusan eksponensial (Single Exponential Smoothing 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.
Sedangkan untuk contoh soal dengan menggunakan pemulusan dengan pemfaktoran kecenderungan (Single Exponential Smoothing With trend) 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.
Untuk soal No.1 ini dimana dalam perencanaan produksi harus mempersiapkan permintaan produk berikutnya, dengan data-data bsebelumnya maka dapat dilakukan perhitungan menggunakan metode Regresi Linier sehingga akan didapat persamaan Faktor 2 = -8.1350 + 109.2286 faktor1sehingga dapat dihitung untuk permintaan bulan berikutnya dengan memasukkan biaya iklan pada faktor1. Dari sini dapat diketahui bahwa untuk biaya iklan 1.75 juta maka permintaan bulan depan sebanyak 183.000 unit. Dan untuk Moving Average nya Dalam soal no.1 yang dilakukan pada praktikum dituliskan jumlah periodenya 5 dan jumlah rerata bergeraknya 3 atrinya meramal dengan 3 data tahu sebelumnya dan yang dicari adalah peramalan untuk waktu 6. Lalu diperoleh hasil peramalan  ke-6 sebanyak 158.3333 dengan CFE =0.99999924, MAD = 81.16667, MSE = 6588.278, MAPE = 59.47147 dan TS = 1.232023x10-2.
Untuk soal No.2 ini dimana dalam Chicken Palace menawarkan harga khusus jima potong ayam untuk menu makan malam., dengan data-data bsebelumnya maka dapat dilakukan perhitungan menggunakan metode Regresi Linier sehingga akan didapat persamaan Faktor 2 = 1454.604 – 277.6280 faktor 1 sehingga dapat dihitung untuk permintaan bulan berikutnya dengan memasukkan biaya iklan pada faktor1. Dari sini dapat diketahui bahwa untuk faktor1 3  juta maka permintaan bulan depan sebanyak 621.72 = 622. Dan untuk SES nya Dalam soal no.1 yang dilakukan pada praktikum dituliskan jumlah periodenya 5 dan jumlah rerata bergeraknya 3 atrinya meramal dengan 3 data tahu sebelumnya dan yang dicari adalah peramalan untuk waktu 6. Lalu diperoleh hasil peramalan ke-6 sebanyak 449.6875 dengan CFE = -460.625, MAD = 270.375, MSE = 101841.6, MAPE = 72.47173 dan TS = -1.703652.

BAB 5. KESIMPULAN DAN SARAN

5.1 Kesimpulan
·         Peramalan (forecasting) adalah proses memperkirakan peristiwa mendatang dan digunakan secara luas didalam bisnis. Peramalan sangat penting di dunia usaha
·         Fungsi peramalan dalam perencanaan industri adalah sebagai berikut :untuk memperkirakan peristiwa mendatang dan digunakan secara luas di dalam berbagai macam bisnis, untuk meramalkan atau memperkirakan biaya maupun keuntungan yang didapat dengan kuantitas tertentu sehingga dapat menentukan jumlah produksi yang sesuai sehingga tidak rugi, dapat membuat keputusan yang menyangkut pemilihan proses, perencanaan kapasitas dan layout fasilitas serta berbagai keputusan yang bersifat kontinyu
·         Time Series Forecasting adalah meramalkan suatu peristiwa ke depan berdasarkan data-data dari tahun sebelumnya
·         4 metode peramalan yaitu regresi selanjar, rerata bergerak, pemulusan eksponensial, dan pemulusan dengan pemfaktoran kecenderungan
·         Dari hasil praktikum didapatkan hasil Factor = 893,75 + 77,0833 factor 1


5.2 Saran
·         Waktu praktikum usahakan ontime



DAFTAR PUSTAKA

Anonim. 2011. Petunjuk Praktikum Perencanaan Industri. Jember Lab. Manajemen Sistem Industri Pertanian. FTP, UNEJ.

Antarikso, Djoko. 1994. Manajemen Produksi. Jakarta : Erlangga

Handoko, T Heni. 2001. Dasar-dasar Manajemen dan Operasi. Yogyakarta : BPFE, Yogyakarta.

Stone, J. 1997. Ekonomi Manajerial. Jakarta : Bina Aksara

 Yamit, Zulian. 2005. Manajemen Persediaan. Yogyakarta: Ekonisia

Tidak ada komentar:

Poskan Komentar