peramalan bertambah panjang maka kecenderungan permintaan semakin dipengaruhi oleh berbagai faktor sehingga error akan semakin besar.
5. Apabila dimungkinkan, perkiraan besarnya permintaan lebih disukai berdasarkan perhitungan dari pada hasil peramalan. Misalnya dalam
perencanaan produksi dalam lingkungan make-to-stock, apabila besarnya permintaan terhadap produk akhir telah diperkirakan berdasarkan hasil
peramalan maka besarnya jumlah part, komponen, sub-assembly dan bahan baku untuk produk tersebut lebih baik dihitung berdasarkan principle of
dependent demand dari pada masing- masing ditetapkan berdasarkan hasil peramalan.
3.7.2 . Metode Peramalan
Metode peramalan dapat diklasifikasikan atas dua kelompok besar yaitu metode kualitatif dan kuantitatif Sukaria Sinulingga, 2009. Kedua kelompok
tersebut memberikan hasil peramalan yang kuantitatif. Perbedaannya terletak pada pertimbangan akal sehat human judgement dan pengalaman. Model kuantitatif
adalah sebuah prosedur formal yang menggunakan model matematik dan data masa lalu untuk memproyeksikan kebutuhan dimasa yang akan datang.
3.7.3. Metode Kuantitatif
Peramalan berdasarkan metode kuantitatif mempunyai asumsi bahwa data permintaan masa lalu dari produk atau item yang diramalkan mempunyai
pola yang diperkirakan masih berlanjut ke masa yang akan datang.
Universitas Sumatera Utara
Adapun langkah-langkah peramalan secara kuantitatif sebagai berikut: 1. Tentukan tujuan peramalan
2. Pembuatan diagram pencar 3. Pilih minimal dua metode peramalan yang dianggap sesuai
4. Hitung parameter-parameter fungsi peramalan. 5. Hitung kesalahan setiap metode yang terbaik, yaitu yang memiliki kesalahan
terkecil 6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Lakukan verifikasi peramalan.
3.7.3.1. Metode Time Series
Metode time series dalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu : a. Trend Kecenderungan
Trend merupakan sifat dari permintaan dimasa lalu terhadap waktu terjadinya bila ada pertambahankenaikan atau penurunan dari data
observasi jangka panjang. b. Siklus
Digunakan bila data dipengaruhi oleh fluktuasi jangka panjang atau memiliki siklus yang berulang secara periodik.
Universitas Sumatera Utara
c. Musiman Seasonal Pola ini digunakan bila suatu deret waktu dipengaruhi oleh faktor musim
seperti mingguan, bulanan, dan harian. d.
Horizontal Pola ini dipakai bila nilai-nilai dari data observasi berfluktuasi di sekitar
nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini sebagai stationary pada rata-rata hitungannya. Misalnya, pola ini terdapat bila
suatu produk mempunyai jumlah penjualan yang tidak menaik atau menurun selama beberapa periode waktu.
Adapun metode peramalan yang termasuk dalam metode Time Series adalah:
1. Metode Smoothing penghalusan a. Moving Average
1. Single Moving Average
2. Linier Moving Average
3. Double Moving Average
4. Weighted Moving Average
b. Metode Eksponensial Smoothing 1.
Single Exponential Smoothing 2.
Double Exponential Smoothing 3. Exponential Smoothing dengan musiman
2. Metode Regresi 3. Metode Dekomposisi
Universitas Sumatera Utara
3.7.3.2.Metode Smoothing
Metode smoothing digunakan untuk melicinkan atau mengurangi ketidakteraturan ramalan berdasarkan data yang lalu. Metode smoothing dapat
dibagi lagi menjadi beberapa metode, antara lain : 1. Moving Average
Moving Average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuannya adalah untuk mengurangi atau
menghilangkan variasi acak permintaan dalam hubungannya dengan waktu. a. Single Moving Average
Merupakan peramalan untuk satu periode ke depan dari periode rata-rata. b. Weigthed Moving Average
Weighted moving averages adalah metode perhitungan dengan cara mengalikan tiap-tiap periode dengan faktor bobot dan membagikannya dengan hasil produk
yang merupakan penjumlahan faktor bobot. Metode Eksponensial Smoothing
3.7.3.3.Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar kecenderungan untuk suatu persamaan, sehingga dengan dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datamg. Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik
hasil yang diperoleh.
Universitas Sumatera Utara
Bentuk fungsi dari metode ini dapat berupa:
a Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana
N Y
a
1
Dimana: Yt = nilai tambah N = jumlah periode
b Linear, dengan fungsi peramalan:
Yt = a + bt Dimana :
n bt
Y a
2 2
t t
n y
t ty
n b
c Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct
2
Dimana :
n t
c t
b Y
a
2
b c
2
b
4 2
2
t n
t
tY n
Y t
Y t
n Y
t
2 2
3 2
2
t n
t t
2 2
t n
t
d Eksponensial, dengan fungsi peramalan :
Yt = ae
bt
Dimana :
Universitas Sumatera Utara
n t
b Y
a
ln ln
2 2
ln ln
t
t n
Y t
Y t
n b
e Siklis, dengan fungsi peramalan :
n t
c n
t b
a Y
t
2 cos
2 sin
ˆ
Dimana :
n t
c n
t b
na Y
2 cos
2 sin
n t
n t
c n
t b
n t
a n
t Y
2 cos
2 sin
2 sin
2 sin
2 sin
2
n t
n t
b n
t c
n t
a n
t Y
2 cos
2 sin
2 cos
2 cos
2 cos
2
3.7.3.4.Metode Dekomposisi
7
Hasil ramalan ditentukan dengan kombinasi dari fungsi yang ada sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan fungsi linier
atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat
beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semuanya bertujuan memisahkan setiap komponen deret data seteliti
mungkin. Konsep dasar pemisahan bersifat empiris dan tetap, yang mula-mula memisahkan unsur musiman dan trend. Adapun langkah-langkah pengerjaan
peramalan dengan metode dekomposisi, yaitu:
7
Fogarty W, Donald. Production Inventory Management. Ohio : South-Western Publishing. Co. 1991. Hal 101:107.
Universitas Sumatera Utara
1. Menghitung nilai rata-rata bergerak Nilai rata-rata bergerak yang dihitung adalah rata-rata bergerak dalam kurun
waktu per t periode selama n periode. Nilai rata-rata diletakkan di pertengahan periode.
2. Menghitung nilai indeks musim Nilai indeks musim dihitung dengan menggunakan nilai indeks rata-rata
bergerak yang telah dihitung sebelumnya. Hal pertama yang dilakukan adalah menghitung nilai faktor musim dengan cara membagikan hasil rata-rata
bergerak dengan permintaan di periode yang sama, kemudian menghitung nilai indeks musim dengan cara merata-ratakan nilai dari faktor musim yang
ada. 3. Mencari persamaan garis trend
Garis trend dapat dicari dengan menggunakan persamaan: YX = a + bX Berdasarkan persamaan tersebut maka langkah pertama yang harus dilakukan
untuk mencari persamaan garis trend adalah menghitung nilai a dan b:
2 2
X X
n X
Y XY
n b
X b
Y a
4. Menghitung nilai persamaan garis trend Nilai persamaan garis trend dihitung di setiap periode peramalan yang
diinginkan. Nilai peramalan garis trend dapat dihitung dengan memasukkan nilai periode yang diinginkan.
Universitas Sumatera Utara
5. Menghitung nilai ramalan akhir Nilai ramalan akhir didapatkan dengan cara mengalikan nilai persamaan garis
trend dengan nilai indeks musim.
3.7.4. Kriteria Performance Peramalan
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati sehingga
rencana yang dibuatnya merupakan rencana yang realistis Rosnani Ginting, 2007. Ketepatan atau ketelitian inilah yang menjadi kriteria performance suatu
metode peramalan. Kesalahan yang kecil memberikan arti ketelitian peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan tinggi, begitu pula
sebaliknya. Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara,
antara lain adalah: 1. Mean Square Error MSE
MSE =
∑
Di mana: X
t
= data aktual periode t F
t
= nilai ramalan periode t N = banyaknya periode
Universitas Sumatera Utara
3.7.5. Proses Verifikasi
Proses verifikasi digunakan untuk melihat apakah metode peramalan yang diperoleh representatif terhadap data. Proses verifikasi dilakukan dengan
menggunakan Moving Range Chart MRC. Dari chart peta ini dapat terlihat apakah sebaran masih dalam kontrol ataupun sudah berada di luar kontrol. Jika
sebaran berada di luar kontrol, maka fungsimetode peramalan tersebut tidak sesuai, artinya pola peramalan terhadap data Y-YF tersebut tidak representatif.
Penggambaran area pada Moving Range Chart MRC dapat dilihat pada Gambar 3.7 Rosnani Ginting, 2007.
Gambar 3.2. Moving Range Chart
Harga MR diperoleh dari :
1
1 2
N MR
R M
N t
t
Dimana :
1
1
t t
F t
T t
t
Y Y
Y Y
MR atau :
1
t t
t
e e
MR
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut :
Universitas Sumatera Utara
1. Aturan Satu Titik Bila ada titik sebaran Y-YF berada di luar UCL dan LCL. Walaupun jika
semua titik sebaran berada dalam batas kontrol, belum tentu fungsimetode representatif. Untuk itu penganalisaan perlu dilanjutkan dengan membagi
MRC dalam tiga daerah, yaitu A, B, dan C. 2. Aturan Tiga Titik
Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua diantaranya jatuh pada daerah A.
3. Aturan Lima Titik Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang
mana empat diantaranya jatuh pada daerah B. 4. Aturan Delapan Titik
Bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada daerah C.
Universitas Sumatera Utara
3.8. Definisi
Distribution Resource Planning DRP
8
Distribution Resource Planning DRP memberikan kerangka kerja untuk menerapkan centralized push systems dalam manajemen distribusi inventori
Vincent Gaspersz, 1998. Istilah Distribution Resource Planning DRP memiliki dua pengertian yang berbeda yaitu: distribution requirements planning dan
distribution resource planning.
9
Distribution requirement planning berfungsi menentukan kebutuhan- kebutuhan untuk mengisi kembali inventori pada distribution center. Sedangkan
distribution resource planning merupakan perluasan dari distribution requirement planning yang mencakup lebih dari sekedar sistem perencanaan dan pengendalian
pengisian kembali inventori, tetapi ditambah dengan perencanaan dan pengendalian dari sumber - sumber yang terkait dalam sitem distribusi seperti:
warehouse space, tenaga kerja, uang, fasilitas transportasi, dan warehousing. Termasuk disini adalah keterkaitan dari replenishment system ke financial systems
dan penggunaan simulasi sebagai alat untuk meningkatkan performansi sistem.
Distribution Resources Planning DRP adalah sebuah proses manajemen yang menentukan kebutuhan inventory stocking locations ISLs, yang dapat
berupa toko, pusat distribusi, pusat distribusi regional, pusat distribusi manufaktur atau gudang yang menyimpan produk yang akan dijual dan dapat diperkirakan
bahwa kebutuhan supplier dapat sesuai dengan permintaan.
8
Vincent Gasperz. Production Planning and Inventory Control . Jakarta: Gramedia Pustaka Utama, 1998,
9
Andre Martin. DRP : Distribution Resources Planning . Canada : John Wiley Sons, Inc., 1995, hal 47-48.
Universitas Sumatera Utara
