3.3.2. Beberapa Sifat Hasil Peramalan
14
Dalam membuat peramalan atau menerapkan hasil suatu peramalan, maka ada beberapa hal yang harus dipertimbangkan, yaitu:
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar
kesalahan yang mungkin terjadi. 3.
Peramalan untuk jangka pendek lebih akurat dibandingkan 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 perubahan faktor-faktor yang mempengaruhi permintaan.
3.3.3. Metode Peramalan
15
Metode peramalan dapat diklasifikasikan menjadi dua kelompok besar yaitu metode kualitatif dan metode kunatitatif. Kedua kelompok tersebut
memberikan hasil peramalan yang kuantitatif. Perbedaannya terletak pada cara peramalan yang dilakukan. Metode Kualitatif pada umumnya digunakan apabila
data kuantitatif tentang permintaan tidak tersedia atau akurasinya tidak memadai.
14
Hakim Nasution, Arman. Perencanaan dan Pengendalian Produksi, Surabaya: Guna Widya, 2003. hal : 29.
15
Ibid. hal. 113.
Universitas Sumatera Utara
Misalnya peramalan tentang permintaan produk baru yang akan dikembangkan, jelas data masa lalu tidak tersedia, kalau kondisi lingkungan masa yang akan
datang sama sekali sudah berbeda dengan kondisi masa lalu maka keberadaan data masa lalu itu tidak akan menolong peramalan pada pemintaan masa yang akan
datang. Peramalan berdasarkan metode kuantitatif intrinsic forecasting mempunyai asumsi bahwa data permintaan masa lalu dari produk atau item yang
diramalkan mempunyai pola yang diperkirakan masih berlanjut ke masa yang akan datang. Pola permintaan tersebut mungkin kurang jelas terlihat karena faktor
random yang menghasilkan fluktuasi.
16
Pada perusahaan yang memiliki dua varian produk dan dua lini produksi yang terpisah dilakukan peramalan permintaan secara terpisah Individual Item
Forecast. Hal ini dilakukan sehingga analisis kapasitas untuk masing-masing lini produksi dapat dilakukan. Bila terdapat kekurangan kapasitas pada salah satu lini
produksi dapat dilakukan penyesuaian dengan melakukan produksi pada lini lainnya sehingga perusahaan dapat menysusun strategi produksi untuk menekan
biaya changeoversetup kedua lini produksi sekecil mungkin.
3.3.3.1.Metode Peramalan Kuantitatif
17
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut: 1.
Tersedia informasi tentang masa lalu. 2.
Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik.
16
Narasimhan Seetharama L, dkk. Production Planning and Inventory Control. New Jersey : Prentice Hall, Inc, 1995. Hal 292-296.
17
Makridakis, dkk, Metode dan Aplikasi Peramalan. Jakarta: Erlangga, 1993. hal. 8-9.
Universitas Sumatera Utara
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang. Kondisi yang terakhir ini dikenal dengan asumsi berkesinambungan assumption
of continuity, asumsi ini merupakan premis yang mendasari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis.
18
Prosedur umum yang digunakan dalam peramalan secara kuantitatif dapat dilihat pada Gambar 3.1.
Langkah I
Definisikan Tujuan Peramalan
Langkah II
Buat Diagram Pencar
Langkah III
Pilih Beberapa Metode Peramalan
Langkah IV
Hitung Parameter-Parameter
Langkah V
Hitung kesalahan setiap metode
Langkah VI
Pilih metode dengan kesalahan terkecil
Langkah VII
Verifikasi Peramalan
Gambar 3.1. Langkah-langkah Peramalan Secara Kuantitatif
18
Ginting, Rosnani. Sistem Produksi. Yogyakarta :Graha Ilmu, 2007. hal. 44 -45.
Universitas Sumatera Utara
3.3.3.2.Metode Time Series
19
Metode time series adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Langkah penting dalam
memilih suatu metode time series yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat
diuji. Pola data dapat dibedakan menjadi empat jenis, yaitu: 1.
Pola horizontal terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan deret seperti itu adalah stasioner terhadap nilai rata-ratanya.
Suatu produk yang penjualannya tidak meningkat dan menurun selama waktu tertentu termasuk jenis ini.
2. Pola musiman terjadi bilamana suatu deret dipengaruhi oleh faktor musiman
misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu. Penjualan dari produk seperti minuman ringan, es krim, dan bahan
bakar pemanas ruang menunjukkan jenis pola ini. 3.
Pola siklis terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan
produk seperti mobil, baja menunjukkan jenis pola ini. 4.
Pola trend terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional
GDP, dan berbagai indikator bisnis atau ekonomi mengikuti suatu pola trend selama perubahannya sepanjang waktu.
19
Makridakis, dkk, op. cit, hal. 10-11.
Universitas Sumatera Utara
20
Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini, yaitu:
a. Trend linier
Bentuk persamaan umum: Yt = a + bt
2 2
t t
n Y
t tY
n b
t t
n t
b Y
a
t
b. Trend Eksponensial
Bentuk persamaan umum: Yt = ae
bt
2 2
ln ln
t t
n Y
t Y
t n
b
t t
n t
b Y
a
t
ln ln
c. Trend Logaritma
Bentuk persamaan umum: Yt = a + b log t
2 2
log log
log log
t t
n Y
t tY
n b
t t
n t
b Y
a
t
log
20
Ginting, Rosnani. op. cit. hal. 48-56.
Universitas Sumatera Utara
d. Trend Geometrik
Bentuk persamaan umum: Yt = at
b
2 2
log log
log log
log .
log t
t n
Y t
Y t
n b
t t
n t
b Y
a
t
log log
e. Trend Hyperbola
Bentuk persamaan umum: Yt =
t
b a
2 2
log log
. log
t n
t Y
t Y
t n
b
t t
n t
b Y
a
t
log log
log Metode proyeksi kecenderungan dengan regresi merupakan dasar garis
kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa: 1.
Konstan, dengan fungsi peramalan Yt:
Yt = a, di mana N
Y a
1
di mana : Yt = nilai tambah N = jumlah periode
Universitas Sumatera Utara
2. Linier, dengan fungsi peramalan:
Yt = a + bt di mana :
n bt
Y a
2 2
t t
n y
t ty
n b
3. Kuadratis, dengan fungsi peramalan:
Yt = a + bt + ct
2
di mana : 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
t n
t t
2 2
t n
t
4. Eksponensial, dengan fungsi peramalan:
Yt = ae
bt
di mana : n
t b
Y a
ln ln
2 2
ln ln
t
t n
Y t
Y t
n b
Universitas Sumatera Utara
5. Siklis, dengan fungsi peramalan:
n t
c n
t b
a Y
t
2 cos
2 sin
ˆ
di mana :
n tt
c n
tt b
na Y
2 cos
2 sin
n t
n t
c n
t b
n tt
a n
tt 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
3.3.3.3.Kriteria Performance Peramalan
21
Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, yaitu:
1. Mean Square Error MSE
di mana : Xt = data aktual periode t
Ft = nilai ramalan periode t N = banyaknya periode
2. Standard Error of Estimate SEE
21
Ibid. hal. 58 – 60.
Universitas Sumatera Utara
f = derajat kebebasan f = 1 data konstan
f = 2 data linear atau eksponensial f = 3 data kuadratis atau siklis
3. Persentage Error PE
t
4. Mean Absolute Persentage Error MAPE
Setelah didapat kesalahan dari masing-masing metode peramalan, maka akan dilakukan pengujian terhadap dua metode yang memiliki kesalahan terkecil
guna mendapatkan metode peramalan yang lebih baik untuk digunakan. Pengujian dilakukan dengan tes distribusi F. Langkah-langkahnya sebagai berikut:
1. Tentukan pernyataan awal Ho dan pernyataan alternatif Ha
Ho : Metode X lebih baik daripada metode Y Ha : Metode Y lebih baik daripada metode X
2. Lakukan tes statistik
di mana: S
1
= besarnya kesalahan metode peramalan X S
2
= besarnya kesalahan metode peramalan Y
Universitas Sumatera Utara
3. Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang
diperoleh dari tabel distribusi F dengan tingkat ketelitian yang telah ditetapkan Jika F
hitung
F
tabel
maka Ho diterima dan jika sebaliknya maka Ho ditolak. Setelah didapatkan metode peramalan mana yang lebih baik maka
dilakukan verifikasi terhadap metode peramalan yang terbaik tersebut.
3.3.3.4.Peta Moving Range
22
Dalam peramalan, peta moving range digunakan untuk melakukan verifikasi yaitu untuk melihat apakah metode peramalan yang diperoleh
representatif terhadap data. Jika semua titik berada di dalam batas kendali peta moving range, diasumsikan peramalan permintaan yang dihasilkan telah cukup
baik. Jika terdapat titik yang berada di luar batas kendali, maka peramalan yang didapat kurang baik dan harus direvisi. Dalam pembuatan peta moving range
diperlukan rata-rata moving range yang rumusnya adalah :
1
1 2
N MR
MR
N t
t
Proses verifikasi dengan menggunakan peta moving range dapat digambarkan pada Gambar 3.2.
22
Nasution, Arman Hakim. op.cit. hal. 62-64.
Universitas Sumatera Utara
Gambar 3.2. Peta Moving Range
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut :
1. Aturan Satu Titik
Bila ada titik sebaran 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.
Universitas Sumatera Utara
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.
3.4. Rough-Cut Capacity Planning RCCP
Kategori