beberapa langkah yang dapat dilakukan dalam melakukan peramalan kuantitatif, yaitu :
8
1. Penentuan tujuan peramalan
2. Pengembangan model peramalan
3. Pengujian model peramalan yang sesuai
4. Revisi dan evaluasi peramalan
5. Penerapan model yang sesuai
3.4.2. Karakterisitik Peramalan yang Baik
9
Peramalan yang baik mempunyai beberapa kriteria penting, antara lain : 1.
Akurasi Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasan dan
kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan
kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah
akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera. Akibatnya perusahaan dimungkinkan kehilangan
pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga
banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan dalam menyeimbangkan persediaan yang ideal.
8
Teguh Baroto, Perencanaan dan Pengendalian Produksi. 2002. Jakarta : Ghalia Indonesia. Hal 26
9
Rosnani Ginting. Sistem Produksi. 2007. Yogyakarta: Graha Ilmu. Hal 33-34
Universitas Sumatera Utara
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode
peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan
datanya manual atau komputerisasi, dan bagaimana penyimpanan datanya. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia
dan tingkat akurasi yang ingin dicapai, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Hal yang
percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun
peralatan teknologi.
3.4.3. Teknik Peramalan
Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul akibat pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya
yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Teknik peramalan dapat dibedakan dalam dua kategori utama
10
a. Peramalan Kualitatif yaitu peramalan yang didasarkan atas kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang , yaitu :
10
Rosnani Ginting.Sistem Produksi.Yogyakarta : Graha Ilmu,2007.h.38-44
Universitas Sumatera Utara
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan
pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan. Meskipun demikian,
peramalan dengan metode kualitatif tidak berarti hanya menggunakan intuisi, tetapi juga bisa mengikutsertakan model-model statistik sebagai bahan
masukan dalam melakukan keputusan, dan dapat dilakukan secara perseorangan maupun kelompok. Metode peramalan kualitatif dapat
digolongkan menjadi: Metode Delphi, Dugaan Manajemen, Riset Pasar, Analogi Historis.
b. Peramalan Kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda
akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari penggunaan metode tersebut adalah baik tidaknya metode yang
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yng terjadi. Metode yang baik adalah metode
yang memberikan nilai-nilai perbedaan atau penyimpangan sekecil mungkin. Pada dasarnya terdapat sembilan langkah yang harus diperhatikan untuk
menjamin efektivitas dan efisiensi dari sistem peramlan dalam manajemen permintaan, yaitu
11
a. Menentukan tujuan peramalan
:
11
Seetharama L Narashiman, dkk. Production Planning and Inventory Control. USA: Prentice Hall, Inc, 1995, h. 47-58
Universitas Sumatera Utara
Tujuan utama dari peramalan dalam manajemen permintaan adalah unutk meramalkan item-item independent demand dimasa yang akan datang untuk
mencapai efektivitas dan efisiensi dari manajemen produksi dan inventori dalam industri manufaktur.
b. Memilih item yang akan diramalkan
Memilih item yang akan diramalkan tergantung situasi dan kondisi aktual dari masing-masing industri manufaktur. Item yang dipilih yaitu produk akhir yang
merupakan item independent demand. c.
Menentukan horizon peramalan Penentuan horizon peramlan tergantung pada situasi dan kondisi aktual dari
masing-masing industri manufaktur serta tujuan dari peramalan itu sendiri. Horizon peramalan dapat berupa mingguan, bulanan, triwulan, semesteran
atau tahunan. Pemilihan interval waktu mingguan dimaksudkan untuk peramalan jangka pendek short range forecast, Pemilihan interval waktu
bulanan dimaksudkan untuk peramalan jangka menengah mid range forecast Pemilihan interval waktu triwulan dan tahunan dimaksudkan untuk peramalan
jangka panjang long range forecast.
d. Memilih model peramalan
Permilihan model-model peramalan akan tergantung pada pola data dan horizon waktu peramalan. Model peramalan dikategorikan menjadi tiga yaitu
model ektrapolasi, kausal dan pertimbangan. Model ekstrapolasi sering diebut
Universitas Sumatera Utara
metode time series. Metode kausal melihat sebab akibat yang mempengaruhi permintaan, dan model pertimbangan merupakan metode peramalan kualitatif.
e. Mengumpulkan dan analisis data
Data yang digunakan untuk peramalan dikumpulkan dan kemudian dianalisis berdasarkan model yang telah dipilih untuk kemudian dilihat parameter-
parameter dari model peramalan tersebut. f.
Validasi model peramalan Validasi model peramalan dilakukan dengan menghitung kesalahan dari setiap
model peramalan, dan memilih model peramalan yang memiliki kesalahan paling kecil.
g. Membuat peramalan
Pembuatan peramalan dilakukan dengan menggunakan model peramalan yang telah dipilih
h. Implementasi hasil-hasil peramalan
Implementasi hasil peramalan yaitu menggunakan peramalan untuk diterapkan kepada industri manufaktur.
i. Memantau keandalan hasil peramalan
Memanatau keandalan hasil peramalan dilakukan dengan menggunakan peta kontrol untuk mengetahui apakah metode yang digunakan telah representatif
atau tidak untuk digunakan pada peramalan permintaan tersebut. Metode peramalan kuantitatif dibedakan atas dua bagian, yaitu
12
12
Spyros, Makridakis, dkk, Metode dan Aplikasi Peramalan. Jakarta: Bina Rupa Raksa.2006, h.101-120
:
Universitas Sumatera Utara
1. Metode Time Series, digunakan untuk menganalisa 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 yang mempengaruhi analisis ini, yaitu pola siklis, pola musiman,
pola horizontal, dan pola tren. Metode peramalan yang termasuk model time series terbagi dua, yaitu metode penghalusan smoothing dan metode
proyeksi kecendrungan dengan regresi. a.
Metode Penghalusan Smoothing Metode Smoothing digunakan untuk mengurangi ketidak-teraturan
musiman dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu. Ketetapan peramalan dengan metode ini akan
terdapat pada peramalan jangka pendek, sedangkan untuk peramalan jangka panjang kurang akurat.
Metode Smoothing terdiri dari beberapa jenis, antara lain : metode rata-rata bergerak moving average dan metode exponential smoothing. Metode
rata-rata bergerak moving average terbagi menjadi metode single moving average SMA, linear moving average LMA, dan double moving
average. Metode pemulusan exponential smoothing terbagi menjadi: 1
Pemulusan Eksponensial Tunggal Single Exponential Smoothing SES, digunakan untuk data runtut waktu yang mengikuti pola
stasioner. Bentuk umum yang digunakan untuk menghitung ramalan adalah:
Universitas Sumatera Utara
t t
t
Y Y
Y ˆ
1 ˆ
1
α α
− +
=
+
Dimana:
1
ˆ
+ t
Y
= nilai ramalan untuk periode berikutnya α = konstanta pemulusan
Y
t
= data baru atau nilai Y yg sebenarnya pada periode t
t
Yˆ
= nilai pemulusan yang lama atau rata-rata pemulusan hingga periode t-1
2 Pemulusan Eksponensial Ganda: Metode Satu Parameter dari Brown
digunakan dalam peramalan data runtut waktu yang mengikuti suatu trend linier. Bentuk umum yang digunakan untuk menghitung ramalan
adalah:
S
t
= α X
t
+ 1- α S
t-1
S
t
= αS
t
+ 1- α S
t-1
a
t
=S
t
+ S
t
+ S
t
=2S
t
-S
t
b
t
= 1
t S
t S
− −
α α
Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan datang adalah:
F
t+m
=a
t
+ b
t
m Dimana :
S’
t
= nilai pemulusan eksponensial S’’
t
= nilai pemulusan eksponensial ganda
Universitas Sumatera Utara
α = konstanta pemulusan a
t
= perbedaan antara nilai-nilai pemulusan eksponensial b
t
= faktor penyesuai tambahan = pengukuran slope suatu kurva F
t
= nilai aktual pada periode t m = jumlah periode ke depan yang akan diramalkan
Sistem peramalan metode Brown memerlukan S’
1
dan S’’
1
, karena S
2
= α X
2
+ 1- α S
1
dan S
2
= αS
2
+ 1- α S
1
, pada saat t = 1, nilai S’
1
dan S’’
1
tidak diketahui, maka dapat digunakan nilai observasi pertama X
1
. 3
Pemulusan Eksponensial Ganda: Metode Dua Parameter dari Holt digunakan dalam peramalan data runtut waktu yang mengikuti suatu
trend linier. Bentuk umum yang digunakan untuk menghitung ramalan adalah:
S
t
= α X
t
+ 1- α S
t-1
+ b
t-1
Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan datang adalah:
F
t+m
=S
t
+ b
t
m Dimana :
S
t
= nilai pemulusan eksponensial α = konstanta pemulusan untuk data 0 α 1
γ = konstanta pemulusan untuk estimasi trend 0 γ 1 X
t
= nilai aktual pada periode t
1 1
1
− −
− +
− =
t t
t t
b S
S b
γ γ
Universitas Sumatera Utara
b
t
= estimasi trend m = jumlah periode ke depan yang akan diramalkan
Sistem peramalan metode Holt memerlukan S
1
, karena S
t
= α X
t
+ 1- α S
t-1
+ b
t-1
, pada saat t = 1, nilai S
1
tidak diketahui, maka dapat digunakan nilai observasi pertama X
1
. Untuk estimasi trend pada saat t = 1, nilai b
1
tidak diketahui, maka dapat digunakan selisih nilai observasi kedua X
2
dengan nilai observasi pertama X
1
, yaitu b
1
= X
2
– X
1
. 4
Pemulusan Eksponensial Ganda: Metode Tiga Parameter dari Winter Digunakan dalam peramalan data runtut waktu yang mengikuti suatu
pola musiman. Didasarkan pada tiga persamaan pemulusan, yaitu: untuk unsur
stasioner, untuk trend, dan untuk musiman. Bentuk umum yang digunakan untuk menghitung ramalan adalah:
Pemulusan eksponensial
1
1 1
− −
−
+ −
+ =
t t
L t
t t
T A
S Y
A
α α
Estimasi trend
1 1
1
− −
− +
− =
t t
t t
T A
A T
β β
Estimasi musiman
L t
t t
t
S A
Y S
−
− +
= 1
µ µ
Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan datang adalah:
p L
t t
t p
t
S p
T A
Y
+ −
+
+ =
ˆ
Dimana :
Universitas Sumatera Utara
A
t
= nilai pemulusan eksponensial α = konstanta pemulusan untuk data 0 α 1
β = konstanta pemulusan untuk estimasi trend 0 β 1 µ = konstanta pemulusan untuk estimasi musiman 0 µ 1
Y
t
= nilai aktual pada periode t T
t
= estimasi trend S
t
= estimasi musiman L = panjangnya musim
p = jumlah periode ke depan yang akan diramalkan Metode ini memerlukan estimasi nilai awal yang akan digunakan
untuk mendapatkan nilai pemulusan awal, estimasi trend awal, dan keempat estimasi musiman. Nilai pemulusan awal dapat diestimasi
dengan menggunakan nilai aktual awal. Nilai trend awal dapat diestimasi dengan menggunakan nilai 0 slope persamaan trend yang
diperoleh dari data masa masa lalu tidak ada. Nilai estimasi pengaruh musiman awal dengan menggunakan nilai 1 untuk menghilangkan
penaruh musiman dalam data asli Y
1
Y
1
S
1
= Y
1
1 = Y
1
b. Metode Proyeksi Kecendrungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah
Universitas Sumatera Utara
tahunan, minimal lima tahun. Namun, semakin banyak data yang dimilki semakin baik yang diperoleh. Bentuk fungsi dari metode ini dapat berupa
konstan, linier, kuadratis dan eksponensial.
Metode Kausal, metode ini mengasumsikan faktor yang diperkirakan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa
variabel bebas. Misalnya, jumlah pendapatan berhubungan dengan faktor- faktor seperti jumlah penjualan, harga jual, dan tingkat promosi. Kegunaan
dari metode kausal adalah untuk menemukan bentuk hubungan antara variabel tersebut dan menggunakannya untuk meramalkan nilai dari
variabel tidak bebas. c.
Metode Dekomposisi Metode dekomposisi biasanya mencoba memisahkan tiga komponen
terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis. Komponen tersebut adalah faktor trend kecenderungan, siklus
dan musiman. Faktor kecenderungan menggambarkan perilaku data dalam jangka panjang dan dapat meningkat, menurun atau tidak berubah. Faktor
siklus menggambarkan baik turunnya ekonomi atau industri tertentu dan sering terdapat pada deret data seperti Produk Bruto Nasional GNP,
indeks produksi industri, permintaan untuk perumahan, penjualan barang industri seperti mobil, harga saham, tingkat obligasi, penawaran uang dan
tingkat bunga. Faktor musiman berkaitan dengan fluktuasi periodik dengan panjang konstan yang disebabkan oleh hal-hal seperti temperatur, curah
hujan, bulan pada suatu tahun, saat liburan dan kebijaksanaan perusahaan.
Universitas Sumatera Utara
Perbedaan antara musiman dan siklus adalah bahwa musiman itu berulang dengan sendirinya pada interval yang tetap seperti tahun, bulan atau
minggu, sedangkan faktor siklus mempunyai jangka waktu yang satu ke siklus yang lain.
Dekomposisi mempunyai asumsi bahwa data itu tersusun sebagai berikut: Data = pola + kesalahan
= ftrend, siklus, musiman + kesalahan Bentuk fungsional yang pasti dari persamaan dekomposisi bergantung
pada metode dekomposisi yang digunakan. Untuk semua metode tersebut proses dekompisisinya adalah serupa dan terdiri atas langkah-langkah
sebagai berikut: 1.
Pada deret data yang sebenarnya Xt hitung rata-rata bergerak yang panjangnya N sama dengan panjang musiman. Maksud dari rata-rata
bergerak ini adalah menghilangkan unsur musiman dan kerandoman. Merata-ratakan sejumlah periode yang sama dengan panjang pola
musiman misalnya 12 bulan, 4 kuartal atau 7 hari akan menghilangkan unsur musiman dengan membuat rata-rata dari periode
yang musimnya tinggi dan periode yang musimnya rendah. Karena kesalahan random tidak mempunyai pola yang sistematis maka
pemerata-rataan ini juga mengurangi kerandoman. 2.
Pisahkan rata-rata bergerak N periode langkah 1 di atas dari deret data semula untuk memperoleh unsur trend dan siklus
Universitas Sumatera Utara
3. Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap
periode yang menyusun panjang musiman secara lengkap. 4.
Identifikasi bentuk trend yang tepat linier, eksponensial, dan lain-lain dan hitung nilainya untuk setiap periode Tt
Pisahkan musiman, trend dan siklus dari data asli untuk mendapatkan unsur random yang ada Et.
Universitas Sumatera Utara
BAB IV METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Tempat penelitian dilakukan di PT. Sentaplas yang berlokasi di Jalan Namorambe Gg Penampungan no.8 Kabupaten Deli Serdang. Waktu penelitian
dilakukan mulai Mei 2016
4.2. Jenis Penelitian
13
4.4. Variabel dan Instrumen Penelitian
Jenis penelitian ini adalah penelitian deskriptif, yaitu penelitian yang bertujuan untuk mencandra atau mendeskripsikan secara sistematik, faktual dan
akurat tentang fakta-fakta dan sifat-sifat dari objek atau populasi tertentu.
4.3. Objek Penelitian
Objek penelitin yang diamati adalah produk kantong plastik PP Poly Propylene tipe I, tipe II dan tipe III.
14
1. Variabel dependen
Variabel adalah sesuatu yang memiliki nilai yang berbeda-beda atau bervariasi. Nilai dari variabel dapat bersifat kuantitatif atau kualitatif.
Variabel yang digunakan dalam penelitian ini adalah:
13
Sukaria Sinulingga. Metode Penelitian. Cet I; Medan: USU Press, 2011, h. 24.
14
Ibid, h 77.
Universitas Sumatera Utara
