analisis peramalan permintaan produk wooden …

ANALISIS PERAMALAN PERMINTAAN PRODUK

WOODEN BOX DAN WOODEN PALLET DI PT

BANIAN INDO GLOBAL

SKRIPSI

Oleh

Pretty Agustin M

160410074

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK DAN KOMPUTER

UNIVERSITAS PUTERA BATAM

TAHUN 2020

ANALISIS PERAMALAN PERMINTAAN PRODUK

WOODEN BOX DAN WOODEN PALLET DI PT

BANIAN INDO GLOBAL

SKRIPSI

Untuk memenuhi salah satu syarat

memperoleh gelar Sarjana

Oleh

Pretty Agustin M

160410074

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK DAN KOMPUTER

UNIVERSITAS PUTERA BATAM

TAHUN 2020

iii

ABSTRAK

Peramalan adalah sebuah prediksi untuk masa yang akan datang yang didapat dari

hasil rincian perhitungan secara sistematis dari data masa sekarang dan data masa

lalu pada periode waktu tertentu. Untuk melakukan peramalan, semakin banyak

data yang digunakan untuk peramalan maka semakin akurat pula hasil dari

peramalan yang dilakukan. Peramalan permintaan diperlukan oleh PT Banian Indo

Global, Metode peramalan yang digunakan yaitu menggunakan metode

Exponential Smoothing dan metode Regresi Linier untuk memprediksi jumlah

penjualan produk wooden box dan wooden pallet yang akan terjadi bulan-bulan

mendatang. Metode peramalan terbaik yang dipilih adalah Eksponential Smoothing

dengan α 0,9. Hasil peramalan wooden pallet 110 cm x 110 cm menggunakan

metode Exponential Smoothing α 0,9 dengan tingkat kesalahan peramalan MAD=

4,14; MS = 22,63 dan MAPE= 1,65%, pada produk wooden pallet 120 cm x 120

cm menggunakan metode Exponential Smoothing α 0,9 dengan tingkat kesalahan

peramalan MAD= 2,41 ; MSE= 7,27 dan MAPE= 1,41%, pada produk wooden box

123 cm x 123 cm x 135 cm menggunakan metode Exponential Smoothing α 0,9

dengan tingkat kesalahan peramalan MAD= 1,16 ; MSE= 1,66 dan MAPE= 1,07%,

dan wooden box 218 cm x 148 cm x 112 cm menggunakan metode Exponential

Smoothing α 0,9 dengan tingkat kesalahan peramalan MAD= 1,50 ; MSE= 2,75 dan

MAPE= 1,17%.

Kata Kunci : Peramalan, Penghalusan Ekponensial, Regresi Linear

iv

ABSTRACK

Forecasting is a prediction of a future that got from detailed calculation results

systematically based on current data and previous data in the certain period. To do

forecasting, a lot of data that used to do a forecasting then our result could be

accurate based on forecasting that we have already done. Forecasting of demand

is needed by PT Banian Indo Global, Forecasting method that used are Exponential

Smoothing method and Regression Linier method to predict the number of sales

product of wooden box and wooden pallet that would occur in the months to come.

The best forecasting method chosen is exponential smoothing with α 0.9.

Forecasting results wooden pallets 110 cm x 110 cm using the Exponential

Smoothing method α 0.9 with an error rate of forecasting MAD = 4.14; MS = 22.63

and MAPE = 1.65%, for wooden pallet products 120 cm x 120 cm using the

Exponential Smoothing method α 0.9 with an error rate of forecasting MAD = 2.41;

MSE = 7.27 and MAPE = 1.41%, on wooden box products 123 cm x 123 cm x 135

cm using the Exponential Smoothing method α 0.9 with an error rate of forecasting

MAD = 1.16; MSE = 1.66 and MAPE = 1.07%, and wooden box 218 cm x 148 cm

x 112 cm using the Exponential Smoothing method α 0.9 with an error rate of

forecasting MAD = 1.50; MSE = 2.75 and MAPE = 1.17%.

Keywords: Forecasting, Exponensial Smoothing, Regresi Linear

v

KATA PENGANTAR

Puji syukur penulis ucapkan kepada Tuhan Yang Maha Esa atas segala

kebaikan, berkat dan kasih karunia-Nya sehingga penulis dapat menyelesaikan

laporan tugas akhir yang menjadi salah satu syarat dalam menyelesaikan program

studi strata satu (S1) pada Program Studi Teknik Industri di Universitas Putera

Batam.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. maka dari itu,

kritik dan saran bersifat membangun senantiasa akan diterima dengan senang hati.

Dengan segala keterbatasan, penulis menyadari pula bahwa skripsi ini tidak akan

selesai tanpa bantuan, bimbingan dan dorongan dari berbagai pihak. Untuk itu,

dengan segala kerendahan hati, penulis mengucapkan terimakasih kepada:

1. Rektor Universitas Putera Batam; Ibu Dr. Nur Elfi Husda, S.Kom., M.SI

2. Dekan Fakultas Teknik dan Komputer Universitas Putera Batam; Bapak

Welly Sugianto, S.T., M.M.

3. Ketua Program Studi Teknik Industri Universitas Putera Batam; Ibu Nofriani

Fajrah, S.T., M.T.

4. Ibu Elva Susanti, S.Si., M.Si. selaku pembimbing Skripsi pada Program Studi

Teknik Industri Universitas Putera Batam.

5. Ibu Sri Zetli, S.T., M.T. selaku dosen pembimbing akademik pada Program

Studi Teknik Industri Universitas Putera Batam.

6. Dosen dan Staff Universitas Putera Batam

7. Yuli Sanny selaku Supervisor di PT Banian Indo Global

vii

DAFTAR ISI

SURAT PERNYATAAN ORISINALITAS ......................................................... i

ANALISIS PERAMALAN PERMINTAAN PRODUK WOODEN BOX DAN

WOODEN PALLET DI PT BANIAN INDO GLOBAL ................................... ii

ABSTRAK ............................................................................................................ iii

ABSTRACK ........................................................................................................... iv

KATA PENGANTAR ........................................................................................... v

DAFTAR ISI ........................................................................................................ vii

DAFTAR GAMBAR ............................................................................................ ix

DAFTAR TABEL ................................................................................................. x

DAFTAR RUMUS ................................................................................................. i

BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Identifikasi Masalah ................................................................................. 5

1.3 Batasan Masalah ....................................................................................... 5

1.4 Rumusan Masalah .................................................................................... 5

1.5 Tujuan Penelitian ...................................................................................... 6

1.6 Manfaaat Penelitian .................................................................................. 6

1.6.1 Manfaat Teoritis .................................................................................... 6

1.6.2 Manfaat Praktis ..................................................................................... 7

BAB II TINJAUAN PUSTAKA ........................................................................... 8

2.1 Peramalan ................................................................................................. 8

2.1.1 Pengertian Peramalan ........................................................................... 8

2.1.2 Tujuan Peramalan ................................................................................. 9

2.1.3 Jenis-jenis Peramalan .......................................................................... 10

2.1.4 Faktor-Faktor yang mempengaruhi Peramalan................................... 10

2.1.5 Langkah-langkah Dalam Proses Peramalan ....................................... 13

2.1.6 Metode Peramalan .............................................................................. 14

2.1.7 Metode Error Peramalan ..................................................................... 25

2.2 Permintaan .............................................................................................. 26

2.2.1 Pengertian Permintaan ........................................................................ 26

2.2.2 Peramalan Permintaan ........................................................................ 27

2.3 Penelitian Terdahulu ............................................................................... 27

2.4 Kerangka Pemikiran ............................................................................... 31

BAB III METODE PENELITIAN .................................................................... 33

3.1 Desain Penelitian .................................................................................... 33

3.2 Variabel Penelitian ................................................................................. 34

3.3 Populasi dan Sampel .............................................................................. 34

3.4 Jenis dan Sumber Data ........................................................................... 34

3.5 Teknik Analisa data ................................................................................ 35

3.6 Objek dan Jadwal Penelitian .................................................................. 38

3.6.1 Objek Penelitian .................................................................................. 38

3.6.2 Jadwal Penelitian ................................................................................ 39

BAB IV PEMBAHASAN .................................................................................... 40

viii

4.1 Hasil Penelitian ....................................................................................... 40

4.1.1 Data Permintaan .................................................................................. 40

4.1.2 Peramalan Permintaan Wooden Pallet 110 cm x 110 cm ................... 46

4.1.3 Peramalan Permintaan Wooden Pallet 120 cm x 120 cm ................... 59

4.1.4 Peramalan Permintaan Wooden Box 123 cm x 123 cm x 135 cm ...... 72

4.1.5 Peramalan Permintaan Wooden Box 218 cm x 148 cm x 112 cm ...... 85

4.1.6 Perhitungan Kesalahan Peramalan Permintaan Wooden Pallet 110 cm

x 110 cm ......................................................................................................... 99

4.1.7 Perhitungan Kesalahan Peramalan Permintaan Wooden Pallet 120 cm

x 120 cm ....................................................................................................... 107

4.1.8 Perhitungan Kesalahan Peramalan Permintaan Wooden Box 123 cm x

123 cm x 135 cm .......................................................................................... 116

4.1.9 Perhitungan Kesalahan Peramalan Permintaan Wooden Box 218 cm x

148 cm x 112 cm .......................................................................................... 125

4.2 Pembahasan .......................................................................................... 133

BAB V KESIMPULAN DAN SARAN ............................................................ 138

5.1 Kesimpulan ........................................................................................... 138

5.2 Saran ..................................................................................................... 140

DAFTAR PUSTAKA ........................................................................................ 141

ix

DAFTAR GAMBAR

Gambar 2.1 Kerangka Pemikiran ........................................................................ 32

Gambar 3.1 Metode Penelitian ............................................................................ 33

Gambar 3.2 Lokasi Penelitian ............................................................................. 39

Gambar 4.1 Uji Pola Data Permintaan Wooden Pallet 110 cm x 110 cm ........... 40

Gambar 4.2 Uji Pola Data Permintaan Wooden Pallet 120 cm x 120 cm ........... 41

Gambar 4.3 Uji Pola Data Permintaan Wooden Box 123 cm x 123 cm x 135

cm………………………………………………………………………………...45

Gambar 4.4 Uji Pola Data Permintaan Wooden Box 218 cm x 148 cm x 112

cm………………………………………………………………………………...44

x

DAFTAR TABEL

Tabel 3.1 Data Permintaan Produk wooden pallet ............................................... 39



Tabel 4.3 Data Permintaan Produk wooden Box .................................................. 42

Tabel 4.4 Data Permintaan Produk wooden Box .................................................. 43

Tabel 4.5 Hasil Perhitungan Permintaan wooden pallet α = 0,1 ......................... 47

Tabel 4.6 Hasil Peramalan Permintaan wooden pallet α = 0,1 ........................... 49


Tabel 4.8 Hasil Peramalan Permintaan wooden pallet α = 0,5 ........................... 52


Tabel 4.10 Hasil Peramalan Permintaan wooden pallet α = 0,9 ......................... 56

Tabel 4.11 Hasil Perhitungan Permintaan wooden pallet Regresi Linier ............ 56

Tabel 4.12 Hasil Peramalan Permintaan wooden pallet Regresi Linier .............. 59

Tabel 4.13 Hasil Perhitungan Permintaan wooden pallet α = 0,1 ....................... 61






Tabel 4.19 Hasil Perhitungan Permintaan wooden pallet Regresi Linier ............ 70

Tabel 4.20 Hasil Peramalan Permintaan wooden pallet Regresi Linier .............. 72

Tabel 4.21 Hasil Perhitungan Permintaan wooden box α = 0,1 .......................... 74

Tabel 4.22 Hasil Peramalan Permintaan wooden box α = 0,1 ............................ 75





Tabel 4.27 Hasil Perhitungan Permintaan wooden box Regresi Linier ................ 83

Tabel 4.28 Hasil Peramalan Permintaan wooden box Regresi Linier ................. 85







Tabel 4.35 Hasil Perhitungan Permintaan wooden box Regresi Linier ................ 96

Tabel 4.36 Hasil Peramalan Permintaan wooden box Regresi Linier .................. 98

Tabel 4.37 Kesalahan Peramalan Wooden Pallet α = 0,1 .................................... 99

Tabel 4.38 Kesalahan Peramalan Wooden Pallet α = 0,5 ..................................101


Tabel 4.40 Kesalahan Peramalan Wooden Pallet Regresi Linier .......................105




xi

Tabel 4.44 Kesalahan Peramalan Wooden Pallet Regresi Linier .......................114

Tabel 4.45 Kesalahan Peramalan Wooden Box α = 0,1 .....................................117



Tabel 4.48 Kesalahan Peramalan Wooden Box Regresi Linier ..........................124




Tabel 4.52 Kesalahan Peramalan Wooden Box Regresi Linier ..........................132

i

DAFTAR RUMUS

Rumus 2.1 Single Moving Average ...................................................................... 18

Rumus 2.2 Variabet at Linear Moving Average ................................................... 19

Rumus 2.3 Variabet bt Linear Moving Average ................................................... 19

Rumus 2.4 Hasil peramalan periode mendatang .................................................. 19

Rumus 2.5 Weighted Moving Average ................................................................. 19

Rumus 2.6 Single Exponensial Smoothing ........................................................... 19

Rumus 2.7 Single Exponensial Smoothing ........................................................... 21

Rumus 2.8 Double Exponensial Smoothing ......................................................... 21

Rumus 2.9 variabel at Double Exponensial Smoothing ....................................... 21

Rumus 2.10 variabel bt Double Exponensial Smoothing ..................................... 21

Rumus 2.11 Hasil peramalan periode mendatang ................................................ 21

Rumus 2.12 Satu Parameter Double Exponensial Smoothing ............................. 21

Rumus 2.13 Dua Parameter Double Exponensial Smoothing .............................. 21

Rumus 2.14 Persamaan Dua Parameter Double Exponensial Smoothing ............ 22

Rumus 2.15 Konstan ............................................................................................ 23

Rumus 2.16 Linear ............................................................................................... 23

Rumus 2.17 Persamaan Variabel a Linear ........................................................... 23

Rumus 2.18 Persamaan Variabel b Linear ........................................................... 23

Rumus 2.19 Kesalahan Peramalan ....................................................................... 25

Rumus 2.20 Mean Absolut Deviation .................................................................. 25

Rumus 2.21 Mean Square Error .......................................................................... 26

Rumus 2.22 Mean Absolut Percentage Error ...................................................... 26


Rumus 3.1 Linier .................................................................................................. 35

Rumus 3.2 Persamaan Variabel a Linier .............................................................. 36

Rumus 3.3 Persamaan Variabel b Linier .............................................................. 36

Rumus 3.4 Single Exponential Smoothing ........................................................... 36

Rumus 3.5 Double Exponential Smoothing ......................................................... 36

Rumus 3.6 Variabel at Double Exponential Smoothing ....................................... 37

Rumus 3.7 variabel bt Double Exponensial Smoothing ....................................... 37

Rumus 3.8 Hasil peramalan periode mendatang .................................................. 37

Rumus 3.9 Mean Absolut Deviation .................................................................... 37

Rumus 3.10 Mean Squared Error ........................................................................ 38

Rumus 3.11 Mean Square Error .......................................................................... 38


1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Di era persaingan global, banyak desakan bagi perusahaan untuk menemukan

cara-cara baru dalam menciptakan dan memberikan nilai tambah bagi

konsumennya. Indonesia merupakan salah satu negara berkembang yang semakin

hari mengalami peningkatan pesat pada sektor bisnis, ditandai dengan banyaknya

perusahaan-perusahaan yang mampu menghasilkan produk untuk di ekspor

maupun dikirim ke pelosok negeri. Hal ini menandakan semakin ketatnya tingkat

persaingan serta semakin tinggi dan bervariasinya tuntutan konsumen yang

membuat perusahaan harus mampu memenuhi kebutuhan baik dalam bidang jasa

maupun produk yang sesuai dengan kriteria dan keingingan konsumen (Paruntu,

2018).

Mempertahankan dan meningkatkan roda perputaran usaha dimasa yang akan

datang memerlukan suatu kebijakan strategi yang tepat untuk meningkatkan

produktivitas dan langkah optimalisasi dalam pengelolaan perusahaan mulai dari

kegiatan input, proses maupun output. Membuat strategi salah satunya berkaitan

erat dengan proses pengambilan keputusan secara tepat dalam hal meramalkan

kebutuhan dimasa yang akan datang (Arminas, 2016). Dalam menghadapi masa

depan yang penuh dengan ketidakpastian diperlukan pemimpin yang memiliki

kemampuan yang dapat menetapkan keputusan dengan tepat agar tujuan

perusahaan dapat tercapai. Salah satu kunci untuk mewujudkan hal tersebut adalah

dengan memperkirakan atau melakukan peramalan (forcasting) dari jumlah

2

2

penjualan atau permintaan pelanggan atas barang atau jasa yang dihasilkan

(Wardah, 2017). Salah satu peramalan yang penting dilakukan oleh perusahaan

yaitu permintaan produk dari konsumen, dengan mengetahui permintaan produk,

maka dapat membantu perusahaan dalam menentukan jumlah produk yang

seharusnya diproduksi. Faktor penting dalam meramalkan permintaan berdasarkan

hasil penjualan sebab bergantung terhadap pesanan yang dibutuhkan konsumen,

berdasarkan data permintaan atau penjualan dimasa lalu dapat diketahui bagaimana

pergerakan hasil penjualan sehingga dapat meramalkan permintaan untuk periode

berikutnya (Febrina, 2013).

PT. Banian Indo Global merupakan perusahaan yang bergerak dalam bidang

jasa dan produksi perkakas berbahan dasar kayu. Perusahaan ini terletak di komplek

Taman Bukit Golf Blok A no 1, Sei Panas. Perkakas utama yang di produksi

diperusahaan ini yaitu wooden pallet dan wooden box. Selain kedua produk

tersebut, perusahaan ini juga membuat produk sesuai permintaan dari pelanggan

seperti lemari, meja, loker dan partisi kantor. Kedua produk utama yang di produksi

di perusahaan ini memiliki berbagai macam ukuran. Untuk produk wooden pallet

memiliki lima macam ukuran yang berbeda, dan untuk produk wooden box

memiliki tiga belas macam ukuran. Dari berbagai macam ukuran produk wooden

box dan wooden pallet, terdapat dua ukuran untuk masing-masing produk yang

memiliki permintaan produksi paling banyak dibandingkan produk dengan ukuran

lainnya. Untuk produk wooden pallet yaitu dengan ukuran 110 cm x 110 cm dan

120 cm x 120 cm dan untuk produk wooden box yaitu dengan ukuran 218 cm x 148

cm x 112 cm dan 123 cm x 123 cm x 135 cm.

3

3

Dalam memenuhi kebutuhan pasar perusahaan meramalkan kebutuhan pada

masa akan datang sehingga perusahaan dapat memproduksi barang dengan

permintaan yang telah diramalkan. Peramalan permintaan dapat membantu

perusahaan dalam meminimalkan biaya dalam memproduksi barang atau jasa yang

dihasilkan, karena dengan mengetahui berapa permintaan pada periode berikutnya

maka perusahaan dapat memproduksi barang atau jasa secara tidak berlebihan.

Permintaan akan produk wooden pallet dan wooden box setiap bulannya mengalami

perubahan, tidak adanya kepastian akan jumlah permintaan setiap periode

berpengaruh dalam pemenuhan kebutuhan konsumen.

Pengerjaan produk yang dilakukan di PT Banian Indo Global belum

menunjukkan perencanaan yang efektif, karena memperkiran hanya dengan melihat

stok yang ada didalam gudang. Keputusan yang dilakukan perusahaan untuk

memperkirakan penjualan dirasa kurang tepat dan banyak kelemahan, diantaranya

sering terjadi kesalahan dalam memperkirakan jumlah persediaan bahan baku dan

perkiraan produksi sehingga jumlah produk yang dihasilkan tidak sesuai dengan

permintaan konsumen.

Berdasarkan permasalahan tersebut, maka peramalan permintaan akan

produk untuk masa yang akan datang sangat penting mengingat harga persediaan

bahan baku bisa berubah kapan saja. Maka dari itu perusahaan harus bisa

memperkirakan permintaan yang akan datang agar dapat meminimalisasi

pengeluaran untuk pembeliaan bahan baku apabila terjadi kenaikan harga untuk

bahan baku produk. Kelebihan produksi sementara permintaan sedikit

mengakibatkan penumpukan stok di gudang dan permasalahan lain yang timbul

4

4

adalah apabila produk disimpan terlalu lama dapat rusak karena bahan kayu sangat

rentan jika lembab atau basah, hal ini akan berpengaruh pada penurunan kualitas

produk, sebaliknya jika jumlah permintaan secara tiba-tiba meningkat, akan

mempengaruhi pencapaian perusahaan jika tidak melakukan strategi dengan tepat.

Untuk memperkecil dampak resiko yang terjadi pada PT Banian Indo Global,

salah satu cara yang dapat dilakukan yaitu dengan meramalkan permintaan produk

yang di harapkan akan terealisir untuk jangka waktu tertentu pada masa yang akan

datang. Peramalan permintaan ini akan menjadi masukan yang sangat penting

dalam keputusan perencanaan dan pengendalian perusahaan. Karena bagian

operasional produksi bertanggung jawab terhadap pembuatan produk yang

dibutuhkan konsumen. Peramalan permintaan ini digunakan untuk meramalkan

permintaan dari produk jadi dalam kasus ini adalah produk wooden box dan wooden

pallet.

Setelah melihat masalah yang dihadapi oleh perusahaan maka dengan ini

peneliti ingin melakukan penelitian terkait permintaan produk wooden box dan

wooden pallet di PT Banian Indo Global. Penelitian ini bertujuan untuk mengukur

peramalan permintaan produk wooden box dan wooden pallet, dengan mengetahui

peramalan permintaan dapat membantu perusahaan dalam menentukan jumlah

produk yang seharusnya di produksi atau mendekati jumlah kenyataan. Jadi dari

uraian dan penjelasan masalah diatas maka peneliti mengambil judul penelitian

yaitu “ANALISIS PERAMALAN PERMINTAAN PRODUK WOODEN BOX

DAN WOODEN PALLET DI PT BANIAN INDO GLOBAL”. Untuk

kedepannya diharapkan penelitian ini dapat dijadikan sumber ilmu bagi masyarakat

5

5

dan dapat dijadikan masukan kepada perusahaan.

1.2 Identifikasi Masalah

Masalah adalah suatu penyimpangan dari tidak seimbangnya antara apa yang

diinginkan dan yang seharusnya terjadi dengan keadaan yang sebenarnya terjadi.

Berdasarkan penjabaran latar belakang diatas, maka penulis mencoba

mengidentifikasi masalah yang terjadi, yaitu:

1. Ketidakpastian jumlah permintaan produk wooden box dan wooden pallet

menyebabkan kelebihan atau kekurangan pemesanan bahan baku.

2. Belum adanya peramalan permintaan produk wooden box dan wooden pallet

untuk memaksimalkan pencapaian perusahaan.

1.3 Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah:

1. Data yang digunakan dalam penelitian adalah data permintaan produk

wooden box dan wooden pallet pada periode bulan April 2017 sampai Maret

2020.

2. Metode yang digunakan dalam penelitian ini adalah Exponential Smoothing

dan Regresi Linear.

1.4 Rumusan Masalah

Berdasarkan dari latar belakang tersebut, rumusan permasalahan pada

penelitian ini yaitu:

6

6

1. Berapakah hasil peramalan permintaan produk wooden box dan wooden

pallet di PT Banian Indo Global untuk periode 6 bulan mendatang?

2. Metode peramalan manakah yang paling tepat diantara Exponential

Smoothing dan Regresi Linear?

1.5 Tujuan Penelitian

Adapun tujuan dari penelitian yang dilakukan yaitu

1. Untuk mengetahui jumlah permintaan produk wooden box dan wooden pallet

di PT Banian Indo Global yang akan diproduksi.

2. Untuk mengetahui metode peramalan yang paling tepat diantara Exponential

Smoothing dan Regresi Linear

1.6 Manfaaat Penelitian

1.6.1 Manfaat Teoritis

Hasil penelitian ini diharpkan dapat memberikan manfaat sebagai berikut:

1. Dapat memperluas pengetahuan penulis dalam menganalisis dan peramalan

permintaan pada produk wooden box dan wooden pallet di PT Banian Indo

Global.

2. Dapat melakukan perbandingan antara teori yang diperoleh selama

perkuliahan maupun teori dari buku dengan pengaplikasian secara nyata pada

permintaan produk wooden box dan wooden pallet di PT Banian Indo Global.

3. Sebagai referensi untuk penelitian-penelitian berikutnya yang relevan.

7

7

1.6.2 Manfaat Praktis

Adapun manfaat dari penelitian yang dilakukan adalah sebagai berikut:

1. Sebagai suatu pengalaman bagi peneliti bagaimana penerapan peramalan

permintaan terhadap suatu produk.

2. Mendapatkan ilmu pengetahuan yang dapat diterapkan di lapangan.

3. Untuk mengetahui dan membantu perusahaan mengaplikasikan metode

dalam meramalkan permintaan produk wooden box dan wooden pallet.

4. Bagi perusahaan bermanfaat untuk memperkirakan jumlah penjualan dan

jumlah produksi dimasa yang akan datang.

5. Dapat menjadi bahan untuk usulan perbaikan dalam peningkatan kinerja serta

pemenuhan kebutuhan konsumen.

6. Bagi pembaca dapat dijadikan pembelajaran dan sumber ilmu sehingga dapat

diterapkan dalam kehidupan sehari-hari.

8

BAB II

TINJAUAN PUSTAKA

2.1 Peramalan

2.1.1 Pengertian Peramalan

Terdapat beberapa pendapat mengenai pengertian peramalan, seperti yang

dikemukakan oleh (Gaspers, 2011: 71) peramalan merupakan suatu dugaan

terhadap permintaan yang akan datang berdasarkan pada beberapa variable

peramal, sering berdasarkan data deret waktu historis, sedangkan menurut (Heizer

& Render, 2014: 136) Peramalan (forecasting) adalah suatu seni dan ilmu

pengetahuan dalam memprediksi peristiwa pada masa yang akan datang. Peramalan

akan melibatkan pengambilan data historis (seperti penjualan tahun lalu) dan

memproyeksikan mereka ke masa yang akan datang dengan menggunakan model

matematika, pendapat lainnya menurut (Savira, 2015) peramalan merupakan suatu

usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan

di masa lalu. Peramalan berkaitan dengan upaya memperkirakan apa yang terjadi

di masa depan, berbasis pada metode ilmiah (ilmu dan teknologi) serta dilakukan

secara matematis.

Pengertian peramalan menurut (Diana Khairani Sofyan, 2013:13) Peramalan

merupakan suatu kegiatan memperkirakan kejadian dimasa yang akan datang

dengan terlebih dahulu melakukan penyusunan rencana yang dibuat berdasarkan

9

kapasitas dan kemampuan permintaan atau produksi yang dilakukan perusahaan,

adapun pengertian peramalan menurut (Stevenson & Chuong, 2014: 76) adalah

pernyataan mengenai nilai yang akan datang dari variabel. Prediksi yang lebih baik

dapat menjadi keputusan dengan menggunakan banyak informasi. Berdasarkan dari

pendapatan para ahli, maka penulis dapat mengatakan bahwa peramalan merupakan

sebuah upaya melakukan prediksi pada masa yang akan datang berdasarkan hasil

rincian perhitungan secara sistematis dari data masa sekarang dan data masa lalu

pada periode waktu tertentu. Peramalan sangat penting dilakukan dalam membantu

perencanaan yang efisien dan efektif dengan mengunggunakan metode ilmiah yang

bersifat kualitatif yang dilakukan secara sistematis.

2.1.2 Tujuan Peramalan

Secara umum yang dimaksud dengan peramalan adalah suatu kegiatan yang

bertujuan untuk memperkirakan atau mengetahui kejadian dimasa yang akan

datang. Adapun tujuan peramalan menurut (Sofyan, 2013: 15) tujuan utama

peramalan adalah untuk meramalkan permintaan dimasa yang akan datang,

sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya.

peramalan tidak akan pernah sempurna, tetapi meskipun demikian hasil peramalan

akan memberikan arahan bagi suatu perencanaan. Suatu perusahaan biasanya

menggunakan prosedur peramalan yaitu diawali dengan melakukan peramalan

lingkungan, diikuti dengan peramalan penjualan pada perusahaan dan diakhiri

dengan peramalan permintaan pasar. Oleh karena itu, perusahaan harus benar-benar

10

mengetahui terlebih dahulu tujuan dari peramalan itu sendiri dan dapat

memanfaatkan peramalan agar dapat digunakan di perusahaan tersebut.

2.1.3 Jenis-jenis Peramalan

Dalam kegiatan produksi peramalan tingkat permintaan suatu produk

diperlukan untuk mengantisipasi permintaan yang berubah-ubah. Pada umumnya

jenis-jenis peramalan menurut (Heizer & Render, 2015: 115) yaitu:

1. Peramalan Ekonomi (Economic Forecast), menjelaskan siklus bisnis dengan

memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan

untuk membangun perumahan, dan indicator perencanaan lainnya.

2. Peramalan Teknologi (Technologycal Forecast), memperhatikan tingkat

kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang

membutuhkan pabrik dan peralatan baru.

3. Peramalan Permintaan (Demand Forecast), proyeksi permintaan untuk

produk atau layanan suatu perusahaan. Peramalan ini disebut juga dengan

peramalan penjualan, yang mengendalikan produksi, kapasitas, serta sistem

penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan

sumber daya manusianya.

2.1.4 Faktor-Faktor yang mempengaruhi Peramalan

Dalam hal ini terdapat beberapa faktor yang dapat mempengaruhi aktivitas

peramalan menurut (Sofyan, 2013:15) adalah sebagai berikut:

11

1. Horizon Waktu

Ada data aspek horizon waktu yang berhubungan dengan masing-masing

metode peramalan. Pertama adalah cakupan waktu dimasa yang akan datang

dari metode yang digunakan sebaiknya disesuaikan. Aspek kedua adalah

periode untuk masa peramalan yang diinginkan. Horizon waktu terbagi atas

beberapa kategori (Rachman, 2018) :

a. Peramalan Jangka Pendek.

Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi

umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk

merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja,

penugasan kerja, dan tingkat produksi.

b. Peramalan Jangka Menengah Peramalan jangka menengah atau

intermediate umumnya mencakup hitungan bulan hingga tiga tahun.

Peramalan ini bermanfaat untuk merencanakan penjualan, perencanaan

dan anggaran produksi, anggaran kas, serta menganalisis bermacam-

macam rencana operasi.

c. Peramalan Jangka Panjang Umumnya untuk perencanaan masa tiga

tahun atau lebih. Peramalan jangka panjang digunakan untuk

merencanakan produk baru, pembelanjaan modal, lokasi atau

pengembangan fasilitas

2. Pola Data

Dasar utama dalam metode peramalan adalah anggapan bahwa macam pola

yang didapat didalam data yang diramalkan akan berkelanjutan. Karena

12

dalam aktivitas produksi harus mempunyai pola agar mempermudah proses

produksi

3. Jenis Model

Model-model ini merupakan suatu deret dimana waktu digambarkan sebagai

unsur yang penting untuk menentukan perubahan-perubahan didalam pola,

yang mungkin secara sistematik dapat dijelaskan dengan analisis atau

korelasi. Model yang lain adalah sebab akibat, yang menggambarkan bahwa

ramalan yang dilakukan sangat tergantung pada terjadinya sejumlah peristiwa

yang lain, atau sifatnya merupaka campuran dari model-model yang telah

disebutkan diatas.

4. Biaya

Umumnya ada empat unsur biaya yang tercakup yaitu biaya pengembangan,

penyimpangan, operasi pelaksanaan, dan kesempatan dalam penggunaan

metode lainnya.

5. Ketepatan

Tingkat ketepatan yang dibutuhkan sangat erat hubungannya dengan tingkat

perincian yang dibutuhkan suatu peramalan.

6. Mudah Tidaknya Penggunaan

Suatu prinsip umum adala metode-metode yang dapat dimengerti dan

diaplikasikan dalam pengambilan keputusan.

13

2.1.5 Langkah-langkah Dalam Proses Peramalan

Dalam suatu proses peramalan harus ada langkah-langkah dalam melakukan

peramalan agar mempermudah proses peramalan. Karena apabila tidak

menggunakan atau mengikuti peraturan dalam peramalan kemungkinan perusahaan

tidak akan menemukan titik terang dari suatu permasalah dalam perusahaan, maka

dari itu langkah-langkan dalam proses peramalan sangat diperlukan oleh

perusahaan. Beberapa langkah yang perlu diperhatikan untuk memastikan bahwa

permintaan yang dilakukan dapat mencapai taraf ketepatan yang optimal, menurut

William J. Stevenson dan Sum Chee Chuong diterjemahkan oleh (Angelica, Wijaya

& Kurnia, 2014:79) bahwa ada 6 langkah dasar dalam proses peramalan, yaitu:

1. Menentukan tujuan ramalan. Bagaimana ramalan akan digunakan dan kapan

akan dibutuhkan? Langkah ini akan memberikan tingkat rincian yang

diperlukan dalam ramalan, jumlah sumber daya (karyawan, waktu, komputer

dan biaya) yang dapat dibenarkan, serta tingkat keakuratan yang diperlukan.

2. Menetapkan rentan waktu. Ramalan harus mengindikasikan rentang waktu,

mengingat bahwa keakuratan menurun ketika rentang waktu meningkat.

3. Memilih teknik peramalan.

4. Memperoleh, membersihkan, dan menganalisis data yang tepat. Memperoleh

data dapat meliputi usaha yang signifikan. Setelah memperoleh data, data

mungkin perlu “dibersihkan” agar dapat menghilangkan objek asing dan data

yang tidak jelas sebelum dianalsis.

5. Membuat ramalan.

14

6. Memantau ramalan. Ramalan harus dipantau untuk menentukan apakah

ramalan ini dilakukan dengan cara yang memuaskan. Jika tidak memuaskan,

periksa kembali metode peramalan, asumsi, keabsahan data, dan lain-lain.

Kemudian, mengubahnya sesuai kebutuhan serta menyiapkan revisi

peramalan.

Pada dasarnya ada tiga langkah peramalan yang penting, yaitu:

a. Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi

pada masa lalu.

b. Menentukan data yang dipergunakan. Metode yang baik adalah metode

yang memberikan hasil ramalan yang tidak jauh berbeda dengan

kenyataan yang terjadi.

c. Memproyeksikan data yang lalu dengan menggunakan metode yang

dipergunakan, dan mempertimbangkan adanya beberapa faktor

perubahan (perubahan kebijakan-kebijakan yang mungkin terjadi,

termasuk perubahan kebijakan pemerintah, perkembangan potensi

masyarakat, perkembangan teknologi dan penemuan-penemuan baru)

(Wardah, 2017).

2.1.6 Metode Peramalan

Metode peramalan menurut (Heizer & Render, 2015:117-118) bahwa

terdapat dua pendekatan umum untuk peramalan sebagaimana dua cara mengatasi

model peramalan dibagi ke dalam dua kategori utama, yaitu metode kualitatif dan

metode kuantitatif. Peramalan kualitatif memanfaatkan faktor-faktor penting

15

seperti intuisi, pengalaman pribadi dan sistem nilai pengambilan keputusan.

Peramalan kuantitatif (quantitative forecasts) menggunakan bermacam-macam

model matematika yang bergantung pada data historis untuk meramalkan

permintaan/penjualan. Subjektif atau peramalan kualitatif (qualitative forecasts)

menggabungkan faktor-faktor, misalnya intuisi dari si pengambil keputusan, emosi,

pengalaman pribadi, dan sistem nilai dalam mencapai peramalan. Beberapa

perusahaan menggunakan salah satu pendekatan dan beberapa menggunakan yang

lainnya. Dalam praktiknya, kombinasi dan keduanya biasanya yang paling efektif.

1. Metode Kualitatif

Metode kualitatif menurut (Heizer & Render, 2014:140) ada empat teknik

peramalan kualitatif, yaitu:

a. Juri dari Opini Eksekutif. Dalam metode ini, pendapat sekumpulan kecil

manajer atau pakar tingkat tinggi umumnya digabungkan dengan model

statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok.

Contoh, Bistol-Mayers Squibb menggunakan 220 ilmuwan terkenal sebagai

pendapat juri eksekutif untuk mendapatkan tren masa depan di bidang

penelitian medis.

b. Metode Delphi Dalam metode delpi ada tiga jenis partisipan, yaitu pengambil

keputusan, 30 karyawan, dan responden. Pengambil keputusan biasanya

terdiri atas lima hingga sepuluh orang pakar yang akan melakukan peramalan.

Karyawan membantu pengambil keputusan dengan menyiapkan,

menyebarkan, mengumpulkan serta meringkas sejumlah kuesioner dan hasil

survey. Responden adalah sekelompok orang yang biasanya ditempatkan

16

ditempat yang berbeda dimana penilaian dilakukan. Kelompok ini

memberikan input pada pengambil keputusan sebelum peramalan dibuat.

Contoh, negara bagian Alaska menggunakan metode delphi untuk

meramalkan ekonomi jangka panjangnya. Sekitar 90% anggaran negara

bagian dihasilkan dari 1,5 juta barel minyak yang dipompa setiap hari melalui

pipa minyak di Prudhoe Bay. Sekumpulan besar pakar harus mewakili semua

kelompok dan pendapat dalam negara bagian dan wilayah.

c. Komposit Tenaga Penjualan (sales force composite) Dalam pendekatan ini,

setiap tenaga penjualan memperkirakan berapa jumlah penjualan yang dapat

ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk

memastikan apakah peramalan cukup realistis. Kemudian, peramalan tersebut

digabungkan pada tingkat wilayah dan nasional untuk mendapatkan

peramalan secara keseluruhan.

d. Survei Pasar Metode ini meminta input dari konsumen mengenai rencana

pembelian mereka dimasa depan. Hal ini tidak hanya membantu dalam

menyiapkan peramalan, tetapi juga memperbaiki desain produk dan

perencanaan baru. Survei konsumen dan gabungan tenaga penjualan bisa jadi

tidak benar 31 karena peramalan yang berasal dari input konsumen yang

terlalu optimis. Contoh, hancurnya industri telekomunikasi di tahun 2001

merupakan hasil ekspansi berlebihan untuk memenuhi “ledakan permintaan

konsumen”. Peramalan perusahaan hanya didasarkan pada percakapan

informal dengan konsumen.

17

2. Metode Kuantitatif

Metode Kuantitatif adalah metode peramalan yang sangat mengandalkan pola

data historis yang dimiliki. Peramalan kuantitatif ini dipergunakan bila terdapat

kondisi sebagai berikut (Wardhani, 2010):

a. Tersedianya informasi tentang masa lalu.

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.

c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus

berlanjut sampai ke masa datang.

Metode peramalan kuantitatif merupakan metode peramalan yang dalam

perhitungannya menggunakan perhitungan secara matematis. Metode peramalan

kuantitatif dibedakan atas dua macam, yaitu:

1) Model Deret Waktu (Times Series Models)

Metode deret waktu berhubungan dengan nilai-nilai suatu variabel yang

diatur secara periodik sepanjang waktu dimana perkiraan permintaan

diproyeksikan. Model deret waktu membuat prediksi dengan asumsi bahwa masa

depan merupakan fungsi dari masa lalu. Dengan kata lain mereka melihat apa yang

terjadi selama kurun waktu tertentu dan menggunakan data masa lalut ersebut untuk

melakukan peramalan. Contoh, jika kita akan memperkirakan penjualan mesin

pemotong rumput, kita menggunakan data penjualan minggu lalu untuk membuat

ramalan. Metode ini terdiri dari beberapa metode (Sofyan, 2013:21), yaitu:

1. Pendekatan Awan (Naive Approach)

Sebuah teknik peramalan yang mengasumsikan bahwa permintaan pada

periode selanjutnya sama untuk permintaan pada periode yang terkini.

18

2. Metode Rata-Rata Bergerak (Moving Average)

Moving average merupakan metode yang paling sering digunakan dan paling

standar. Moving average adalah suatu metode peramalan umum dan mudah untuk

menggunakan alat-alat yang tersedia untuk analisis tekniks. Moving average

menyediakan metode sederhana untuk pemulusan data masa lalu. Metode rata-rata

bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan

peramalan. Rata-rata bergerak berguna jika mengasumsikan bahwa permintaan

pasar akan stabil sepanjang masa yang kita ramalkan (Wardah, 2017)

a) Single Moving Average

Single moving average merupakan peramalan untuk 1 periode ke depan dari

periode rata-rata tersebut. Metode ini menentukan nilai t, semakin besar nilai

t maka peramalna yang dihasilkan akan semakin menjauhi pola data. Secara

sistematis, rumus peramalan metode ini sebagai berikut (Sofyan, 2013:22):

𝐹′𝑡+1 = 𝑋𝑡+ 𝑋𝑡+1+⋯+ 𝑋𝑡−𝑛+1

𝑁 …..Rumus 2.1 Single Moving Average

Keterangan:

Xt = Data permintaan pada periode t

N = Jumlah deret waktu yang digunakan

F′t+1 = Nilai peramalan periode t+1

b) Linier Moving Average

Metode linier moving average merupakan metode peramalan yang dilakukan

dengan pola rata-rata berbentuk linier. Metode ini merupakan tahap kedua

dari penggunaan single moving average untuk memperoleh penyesuaian

19

bentuk linier. Langkah-langkah perhitungan yang dilakukan dalam metode

ini adalah sebagai berikut (Sofyan, 2013:22):

a. Hitung data masa lalu dengan menggunakan metode single moving

average dengan periode tertentu. Hasilnya dinotasikan dengan St'.

b. Setelah semua data dihitung dilanjutkan dengan perhitungan data kedua

dengan periode rata-rata yang sama. Hasilnya dinotasikan dengan St''

c. Hitung variabel at dengan rumus sebagi berikut:

at = 2St′ − St′′ …..Rumus 2.2 Variabel at Linier Moving Average

d. Hitung variabel bt dengan rumus sebagi berikut:

bt = 2(St′−St′′)

n−1 …..Rumus 2.3 Variabel bt Linier Moving Average

e. Hitung peramalan untuk period ke depan dengan persamaan sebagai

berikut:

F′t+m = at + bt. m …..Rumus 2.4 Hasil peramalan periode mendatang

Keterangan:

m = Periode mendatang

F′t+m = Hasil peramalan untuk m periode kedepan dari t.

c) Weigthed Moving Average

Weigthed moving average merupakan metode peramlan yang dilakukan

dengan pola rata-rata yang dihasilkan dengan cara pembobotan, dimana setiap

periode diberi bobot, semakin dekat dengan saat sekarang maka nilai bobot

akan semakin besar. Bobot ditentukan berdasarkan pengalaman. Secara

matematis fungsi peramalan metode ini adalah sebagai berikut:

𝐹𝑡 =𝑤1.𝑋𝑡−1+𝑤2.𝑋𝑡−2+𝑤𝑛.𝑋𝑡−𝑛

𝑤1+𝑤2+𝑤𝑛 …..Rumus 2.5 Weigthed Moving Average

20

Keterangan:

Xt = Permintaan aktual pada periode t

w = Bobot yang diberikan

n = Jumlah periode

3. Metode Penghalusan Eksponensial (Exponential Smoothing)

Metode exponensial smoothing adalah suatu prosedur yang mengulang

perhitungan secara terus menerus dengan menggunakan data terbaru dengan

didasarkan pada perhitungan rata-rata peramalan terhadap objek pengamatan

terbaru (Raharja, 2010). Metode penghalusan eksponensial merupakan teknik

peramalan rata-rata bergerak dengan pembobotan dimana data dibei bobot oleh

sebuah fungsi eksponensial (Sofyan, 2013:23)

a) Single Exponential Smoothing

Single exponential smoothing dapat diartikan dimana nilai data ramalan pada

periode t+1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian

yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t. Perhitungan

peramalan dilakukan dengan menggunakan persamaan sebagai berikut:

𝐹′𝑡+1 = 𝛼 . 𝑋𝑡 + (1 − 𝛼) . 𝐹′𝑡 ….Rumus 2.6 Single Exponential Smoothing

Keterangan:

Xt = Data aktual pada periode t

α = Faktor/konstanta pemulusan

F't+1 = Nilai peramalan periode t+1

b) Double Exponential Smoothing (DES)

21

1) Satu Parameter (Browns linear method) merupakan metode yang hampir sama

dengan metode linear moving average yang disesuaikan dengan

menambahkan satu parameter. Persamaannya adalah sebagai berikut:

𝑆′𝑡 = 𝛼 . 𝑋𝑡 + (1 − 𝛼) . 𝑆′𝑡−1 …..Rumus 2.7 Single Exponential Smoothing

𝑆′′𝑡 = 𝛼 . 𝑆′𝑡 + (1 − 𝛼) . 𝑆′′𝑡−1…..Rumus 2.8 Double Exponential Smoothing

Dimana:


S't = Single Exponensial Smoothing

S''t = Double Exponensial Smoothing

Dimana variabel at :

𝑎𝑡 = 2S′t − S′′t …..Rumus 2.9 Variabel at Double Exponential Smoothing

Dimana variabel bt:

bt =α(S′

t−S′′t)

1−α …..Rumus 2.10 Variabel bt Double Exponential Smoothing

Rumus peramalan pada period ke-t:

F't+m = at+bt.m ….Rumus 2.11 Hasil peramalan periode mendatang

Keterangan:


F`t+m = Hasil peramalan untuk m periode kedepan dari t.

2) Dua parameter (holt’s method) merupakan metode DES untuk time series

dengan trend linier. Terdapat konstanta yaitu α dan β. Adapun rumusnya

adalah sebagai berikut:

𝑆𝑡 = 𝛼 . 𝐷𝑡 + (1 − 𝛼) (𝑆𝑡−1 + 𝐺𝑡−1) …..Rumus 2.12 Dua Parameter DES

𝐺𝑡 = 𝛽(𝑆𝑡 − 𝑆𝑡−1) + (1 − 𝛽) 𝐺𝑡−1 …..Rumus 2.13 Dua Parameter DES

22

Dimana:

St = Intercept pada waktu t

Gt = Slope pada waktu t

Rumus perhitungan peramalan pada periode t adalah sebagai berikut:

𝐹𝑡+𝑚 = 𝑆𝑡. 𝐺𝑡. m …..Rumus 2.14 Persamaan Dua Parameter DES

c) Exponential Smoothing dengan musiman

Pola permintaan musiman dipengaruhi karakteristik data masa lalu, antara

lain natal dan tahun baru, lebaran, awal tahun ajaran sekolah dan sebagainya.

Terdapat dua kemungkinan dari pengaruh musiman. Pertama dapat bersifat

addictive, yaitu mengabaikan laju penjualan, yaitu mengabaikan laju penjualan

setiap minggu selama bulan Desember, hanya dikatakan penjualan selama bulan

Desember meningkat 200 unit. Kedua, pengaruh musiman bersifat multiplicative,

laju penjualan setiap minggu selama bulan Desember meningkat dua kali lipat.

4. Proyeksi Kecenderungan dengan Regresi

Metode ini mencocokan garis tren pada serangkaian data masa lalu, kemudian

memproyeksikan garis pada masa yang akan datang untuk meramalkan jangka

menengah atau jangka panjang. Beberapa persamaan tren matematis dapat

dikembangkan (sebagai contoh, eksponensial atau kuadratis). Untuk penjelasan

lebih lanjut dapat dilihat pada tren linier (garis lurus). Untuk membuat garis tren

lurus dengan menggunakan metode statistik dapat menggunakan metode kuadrat

terkecil (least square). Pendekatan ini menghasilkan sebuah garis lurus yang

meminimalkan jumlah kuadrat deviasi garis vertikal pada hasil pengamatan. Garis

23

kuadrat terkecil dijelaskan dengan titik potong sumbu y dimana garis bersilangan.

Bentuk fungsi dari metode ini adalah:

a. Konstan

Fungsi peramalan metode konstan adalah sebagi berikut:

𝑎 =∑ 𝑋𝑖

𝑁 …..Rumus 2.15 Konstan

b. Linier

Metode ini merupakan suatu teknik peramalan yang didasarkan atas analisis

perilaku atau nilai masa lalu suatu variabel yang disusun menurut urutan

waktu Metode ini berdasarkan atas penggunaan analisis pola hubungan antara

variabel yang akan diperkirakan dengan variabel waktu. Fungsi peramalan

metode linier adalah sebagi berikut:

𝑌` = 𝑎 + 𝑏𝑡 …..Rumus 2.16 Linier

Dimana fungsi persamaan variabel a:

𝑎 =∑ 𝑌(𝑡)−𝑏 ∑ 𝑡

𝑛 …..Rumus 2.17 Persamaan Variabel a Linier

Dimana fungsi persamaan variabel b:

b = 𝑛 ∑ 𝑡(𝑦)−∑ 𝑡 ∑ 𝑦

𝑛−∑ 𝑡2−(∑ 𝑡)2 …..Rumus 2.18 Persamaan Variabel b Linier

Keterangan:

b = kemiringan garis regresi

∑ = tanda penjumlahan total

x = nilai variabel bebas yang diketahui

y = nilai variabel terkait yang diketahui

n = jumlah data atau pengamatan

24

2. Metode Kausal

Metode kausal yaitu metode peramalan yang menggunakan analisa pola

hubungan antara variabel yang diperkirakan dengan variabel lain yang

mempengaruhinya. Diantara variabel yang akan diramalkan satu atau lebih. Metode

kausalitas dapat membantu memperkirakan titik belok pada data deret waktu dan

sangan berguna untuk peramalan jamgka panjang dan menengah. Metode kausalitas

terbagi menjadi beberapa bagian:

1. Analisis Regresi. Metode statistik yang digunakan untuk menentukan

hubungan antar dua variabel atau lebih variabel bebas dan satu variabel

terikat. Tujuannya adalah untuk meramalkan atau memperkirakan nilai

variabel tertentu.

2. Model Ekonometri. Model dari persamaan regresi yang menjelaskan

beberapa sektor aktivitas penjualan atau laba ekonomi. Penggunaannya

untuk peramalan penjualan untuk perencanaan jangka pendek sampai

menengah.

3. Model Input-Output. Metode peramalan yang menjelaskan aliran dari sat

sektor ekonomi ke sektor lainnya. Untuk memperkirakan input yang

diperlukan untuk menghasilkan output yang diperlukan disektor lain yang

berkualitas sesuai dengan keinginan konsumen atau pelanggan.

Penggunaannya untuk peramalan penjualan suatu perusahaan atau negara

untuk setiap sektor produksi untuk mencapai tujuan.

4. Model Simulasi. Merupakan gambaran suatu proses dengan

mengembangkan modelnya dan menerapkan serangkaian uji coba terencana

25

untuk memprediksikan tingkah laku proses sepanjang waktu. Sebagai

contoh, simulasi dalam peramalan permintaan mobilberdasarkan distribusi

perilaku konsumen yang digunakan dalam percobaan berdasarkan berbagai

tingkat harga, anggaran periklanan dan lain-lain (Sofyan, 2013:30)

2.1.7 Metode Error Peramalan

Kualitas hasil peramalan yang didapatkan ditentukan dengan sejauh mana

adanya perbedaan (error) estimasi yang dihasilkan terhadap data aktual yang ada.

(Febrina et al. 2013). Keakuratan keseluruhan dari setiap model peramalan (Rata-

rataa bergerak, penghalusan exponensial atau lainnya) dapat dijelaskan dengan

membandingkan nilai yang diramal dengan nilai aktual yang ada. Oleh sebab itu,

kesalahan peramalan dapat dihitung dengan menggunakan rumus (Heizer &

Render, 2014:148):

Kesalahan Peramalan = Permintaan aktual – Nilai peramalan …Rumus 2.19

Kesalahan Peramalan

Ada beberapa perhitungan yang biasa digunakan untuk menghitung

kesalahan peramalan, yaitu:

a. Mean Absolut Deviation (MAD)

Mean absolut deviation merupakan rata-rata nilai absolut dari banyaknya

kesalahan dengan tidak menghiraukan tanda positf serta tanda negatif. Rumus

persamaannya sebagai berikut:

MAD = ∑ |aktual−peramalan|

n …..Rumus 2.20 Mean Absolut Deviation

b. Mean Squared Error (MSE)

26

Mean squared error merupakan rata-rata selisih kuadrat antara nilai yang

diramalkan dan yang diamati . Rumus persamaannya sebagai berikut:

MSE = (∑ Kesalahan Peramalan )2

n …..Rumus 2.21 Mean Squared Error

c. Mean Absolute Percentage Error (MAPE)

Mean Absolute Percentage Error merupakan nilai tengah kesalahan

persentase absolute dari suatu peramalan

MAPE = 100 x ∑ |(𝑋𝑡− 𝐹𝑡 )|/𝑋𝑡

𝑛𝑡=1

𝑛 …..Rumus 2.22 Mean Absolute Percentage

Error (MAPE), atau

MAPE = ∑ Kesalahan Persen Absolut

n …..Rumus 2.23 Mean Absolute

Percentage Error (MAPE)

Keterangan:

Xt = Data aktual penjualan

Ft = Hasil peramalan

n = Jumlah Periode

2.2 Permintaan

2.2.1 Pengertian Permintaan

Menurut Gilarso (2007), permintaan adalah jumlah dari suatu barang atau jasa

yang mau dan mampu dibeli pada berbagai kemungkinan harga, selama jangka

waktu tertentu. Menurut Bangun (2012), permintaan suatu barang pada tingkat

harga tertentu. Konsumen dapat menentukan jumlah barang yang dikonsumsi

tergantung pada harga barang tersebut. Menurut Karim (2008), permintaan barang

27

yaitu faktor harga dari komoditas merupakan variabel dependen yang akan

menentukan berapa jumlah komoditas yang bersangkutan diminta oleh konsumen

(Vanesa, 2018)

2.2.2 Peramalan Permintaan

Menurut Heizer dan Render (2015), Peramalan permintaan adalah proyeksi

permintaan pada produk atau layanan perusahaan. Proyeksi permintaan produk atau

layanan suatu perusahaan, peramalan ini juga bisa disebut dengan peramalan

penjualan yang menjadi pengendali produksi, kapasitas dan juga sistem

penjadwalan dan menjadi input untuk merencanakan keuangan, pemasaran, dan

sumber daya manusia (Vanesa, 2018)

2.3 Penelitian Terdahulu

Berikut ini merupakan penelitian terdahulu berupa beberapa jurnal terkait

yang bersinggungan dengan penelitian.

No. Peneliti Judul Metode Hasil Penelitian

1. (Wahyani &

Syaichu, 2015)

Penerapan

Metode

Peramalan

Sebagai Alat

Bantu Untuk

Menentukan

Perencanaan

Produksi Di PT.

SKK

Regresi

Linier,

Exponential

Smoothing

Hasil penelitian ini

dilakukan peramalan

melalui bantuan

perangkat lunak

Software QM for

Windows khususnya

untuk Metode Regresi

Linier diperoleh nilai

yang lebih kecil, hasil

MAD = 8.812, MSE =

28

146.237.392, Bias = 0,

dan permintaan periode

berikutnya sebesar

63.291,6 unit. dan

menggunakan metode

Exponential Smoothing

diperoleh nilai MAD =

13.374,1484, MSE =

235.115.376, Bias = -

549,8485, dan

peramalan periode

berikut adalah sebesar

54.922,2266 unit.

2. (Nugraha, 2017) Analisis Metode

Peramalan

Permintaan

Terbaik Produk

Oxycan pada PT.

Samator Gresik

Time Series Dari hasil analisis

pengolahan data

diperoleh metode terbaik

adalah metode Double


dengan hasil nilai MSE

sebesar 968877,92;

MAE sebesar 14372,35;

dan MAPE sebesar

1,3%. Ramalan

permintaan oxycan

untuk empat bulan

mendatang, yaitu 25690

can, 25789 can, 25799

can, dan 25800 can.

29

3 (Gusdian, 2016) Peramalan

Permintaan

Produk Roti Pada

Industri “Tiara

Rizki” Di

Kelurahan

Boyaoge

Kecamatan

Tatanga Kota Palu

Exponential

smoothing

Hasil penelitian

menunjukkan bahwa

ramalan untuk bulan

Maret adalah sebesar

31.835 bungkus, dengan

Mean Absolute Error

sebesar 2.005 dan Mean

Squared Error sebesar

17.243.400. Hasil

perhitungan ramalan

permintaan dengan

Exponential smoothing

yaitu nilai α 0,9 memiliki

nilai Mean Absolute

Error sebesar 2.912 dan

Mean Squared Error

sebesar 24.087.750,

dimana nilai Mean

Absolute Error dan

Mean Squared Errornya

paling kecil.

4 (Arminas, 2016) Analisis

Peramalan

Penjualan

Comforta’s Bed

Jenis Super Star

Pada

PT.Massindo

Terang Perkasa

Makassar

Weighted

Moving

Averages,

Exponential

Smoothing

Berdasarkan hasil

penelitian diperoleh, PT.

Massindo Terang

Perkasa Makassar pada

produk Comforta’s Bed

jenis Super Star

(Uk.120x200cm) adalah

metode Weighted

Moving Averages,

dengan hasil peramalan

sebesar 78 unit

penjualan. pada produk

30

Super Star



(α=0,1), dengan hasil

peramalan sebesar 51

unit penjualan, dan pada

produk Super Star


Exponensial Smoothing

(α=0,5), dengan hasil

peramalan sebesar 70

unit penjualan.

5 (Elva, 2019) Pendugaan

Peramalan

Earning Per

Share Saham

LQ45

Moving

Average,

Exponential

Smoothing

Dari Hasil peramalan,

dengan nilai MAD dan

MSE terkecil pada

peramalan Moving

average yaitu nilai

EPSnya adalah Hanson

International Tbk.

=0.462, Sri Rejeki Isman

Tbk. = 33.53, Surya

Citra Media Tbk =

76.232.

6 (Paruntu, 2018) Analisis Ramalan

Penjualan Dan

Persediaan

Produk

Sepeda Motor

Suzuki pada PT

Sinar Galesong

Mandiri

Malalayang

Moving

Average,

weighted

moving

average,

exponential

smoothing

Berdasarkan hasil

penelitian dan

perhitungan ketiga

metode menggunakan

aplikasi pomqm, metode

yang paling sesuai

digunakan dengan

tingkat kesalahan paling

kecil yaitu metode

moving average 3

31

bulanan dengan nilai

MAD, MSE, dan MAPE

paling kecil

7 (Ostertagová

2013)

Forecasting

Using Simple

Exponential

Smoothing

Method

Simple

Exponential

Smoothing

Method

Pemilihan Nilai alpha

yang lebih kecil

menghasilkan respon

yang lebih lambat.

Sedangkan nilai yang

lebih besar

menghasilkan reaksi

yang lebih cepat

terhadap perubahan dan

fluktuasi yang tidak

menentu. Untuk

memperkirakan nilai

optimal konstanta

smoothing, prakiraan

dihitung dengan α = 0,1

hingga α = 0,9. Tiga

teknik akurasi perkiraan,

seperti MAE, MAPE,

dan RMSE digunakan

untuk memilih perkiraan

paling akurat untuk

perkiraan satu tahun ke

depan.

2.4 Kerangka Pemikiran

Kerangka pemikiran ini memuat pemikiran terhadap alur yang dipahami

sebagai acuan dalam pemecahan masalah yang diteliti secara logis dan sistematis

pada penelitian ini.

32

Gambar 2.1 Kerangka Pemikiran Sumber : Peneliti, 2020

Terjadinya kekurangan / kelebihan produksi

pada produk wooden box dan wooden pallet

Data permintaan produk wooden box dan

wooden pallet

Metode Exponential

Smoothing

Metode Regresi

Linear

Menghitung Error

dengan MAD, MSE

dan MAPE

Penentuan Peramalan yang digunakan

Pengambilan keputusan

33

BAB III

METODE PENELITIAN

3.1 Desain Penelitian

Desain penelitan menguraikan seluruh kegiatan yang dilaksanakan selama

penelitian berlangsung dari awal proses penelitian sampai akhir penelitian. Flow

chart langkah penelitian ini disajikan pada Gambar 3.1.

Gambar 3.1 Metode Penelitian

Studi Lapangan

lalapangan

Identifikasi Masalah

Pengumpulan data:

Data Historis permintaan produk

Studi Pustaka

Tujuan Penelitian

Pengolahan Data:

Perhitungan Peramalan dengan metode

Exponential Smoothing & Regresi Linear

Pembahasan dan

Analisis

Mulai

Selesai

34

3.2 Variabel Penelitian

1. Variabel Bebas (Independent)

Variabel bebas (Independent) dalam penelitian ini yaitu historis penjualan

dan waktu.

2. Variabel Terikat (Dependent)

Variabel Terikat (Dependent) dalam penelitian ini yaitu peramalan penjualan.

3.3 Populasi dan Sampel

Populasi merupakan sekumpulan objek penelitian atau kumpulan dari

beberapa sampel dengan karakteristik dan ciri khas tersendiri. Dalam penelitian ini,

yang menjadi populasi penelitian ini adalah keseluruhan permintaan produk di PT

Banian Indo Global. Teknik pengambilan sampel menggunakan teknik purposive

sampling, dimana sampel dalam penelitian ini adalah permintaan produk wooden

box dan wooden pallet dari April 2017 sampai Maret 2020, sehingga total sampel

adalah 36 bulan.

3.4 Jenis dan Sumber Data

Dalam penelitian terdapat dua jenis sumber data dan informasi yang dapat

dikumpulkan, yaitu:

1. Data Primer

Data primer merupakan informasi yang diperoleh secara langsung oleh

peneliti mengenai variabel yang berhubungan dengan tujuan yang spesifik dari

35

penelitian. Data primer bisa didapatkan dengan observasi dan wawancara dari

individual, diskusi kelompok, video konferensi dan lain-lain.

2. Data Sekunder

Data sekunder merujuk kepada informasi yang dari sumber yang sudah ada

sebelumnya. Data sekunder bersumber pada penelitian ini diperoleh dari data-data

yang dicatat oleh perusahaan, publikasi pemerintah, analisa industri yang dilakukan

oleh media, website, internet, dan lain-lain.

Data yang digunakan peneliti dalam penelitian ini adalah data sekunder yaitu

data permintaan produk wooden box dan wooden pallet di PT Banian Indo Global

dari bulan April 2017 - Maret 2020).

3.5 Teknik Analisa data

Analisis data dalam penelitian ini menggunakan metode Peramalan

Exponential Smoothing dan Regresi Linear. Metode yang digunakan untuk

peramalan Permintaan produk wooden box dan wooden pallet di PT Banian Indo

Global adalah metode peramalan pemulusan eksponensial (double exponential

smoothing) dan Regresi Liner, Untuk meramalkan Permintaan produk 6 bulan yang

akan datang, yaitu metode yang menghasilkan nilai MAD, MSE, MAPE terkecil.

1. Metode Regresi Linear

Metode ini merupakan suatu teknik peramalan yang didasarkan atas analisis

perilaku atau nilai masa lalu suatu variabel yang disusun menurut urutan waktu

Metode ini berdasarkan atas penggunaan analisis pola hubungan antara variabel

yang akan diperkirakan dengan variabel waktu. Pada metode regresi umumnya

36

variable yang diramalkan seperti penjualan atau permintaan suatu produk,

dinyatakan sebagai variabel yang dicari (dependent variable), variabel ini

dipengaruhi besarnya oleh variable bebas (independent variable) (Rival, 2012).

Fungsi peramalan metode linier adalah sebagi berikut:

𝑌` = 𝑎 + 𝑏𝑡 …..Rumus 3.1 Linier

Dimana fungsi persamaan variabel a:

𝑎 =∑ 𝑌(𝑡)−𝑏 ∑ 𝑡

𝑛 …..Rumus 3.2 Persamaan Variabel a Linier

Dimana fungsi persamaan variabel b:

b = 𝑛 ∑ 𝑡(𝑦)−∑ 𝑡 ∑ 𝑦

𝑛−∑ 𝑡2−(∑ 𝑡)2 …..Rumus 3.3 Persamaan Variabel b Linier

Keterangan:

b = kemiringan garis regresi

∑ = tanda penjumlahan total

x = nilai variabel bebas yang diketahui

y = nilai variabel terkait yang diketahui

n = jumlah data atau pengamatan

2. Metode Double Exponential Smoothing Satu Parameter (Browns linear

method)

Satu Parameter (Browns linear method) merupakan metode yang hampir sama

dengan metode linear moving average yang disesuaikan dengan menambahkan satu

parameter. Persamaannya adalah sebagai berikut:

𝑆′𝑡 = 𝛼 . 𝑋𝑡 + (1 − 𝛼) . 𝑆′𝑡−1…..Rumus 3.4 Single Exponential Smoothing

𝑆′′𝑡 = 𝛼 . 𝑆′𝑡 + (1 − 𝛼) . 𝑆′′𝑡−1 …..Rumus 3.5 Double Exponential Smoothing

37

Dimana :


S't = Single Exponensial Smoothing

S''t = Double Exponensial Smoothing

Dimana variabel at:

𝑎𝑡 = 2S′t − S′′t …..Rumus 3.6 Variabel at Double Exponential Smoothing

Dimana variabel bt:

bt =α(S′

t−S′′t)

1−α …..Rumus 3.7 Variabel bt Double Exponential Smoothing

Rumus peramalan pada period ke-t:

F't+m = at+bt.m ….Rumus 3.8 Hasil peramalan periode mendatang

Keterangan :


F`t+m = Hasil peramalan untuk m periode kedepan dari t.

3. Perhitungan kesalahan peramalan

Ada beberapa perhitungan yang digunakan untuk menghitung kesalahan

peramalan, yaitu :

a. Mean Absolut Deviation (MAD)

Mean absolut deviation merupakan rata-rata nilai absolut dari banyaknya

kesalahan dengan tidak menghiraukan tanda positf serta tanda negatif. Rumus

persamaannya sebagai berikut:

MAD = ∑ |aktual−peramalan|

n…..Rumus 3.9 Mean Absolut Deviation

38

b. Mean Squared Error (MSE)

Mean squared error merupakan rata-rata selisih kuadrat antara nilai yang

diramalkan dan yang diamati . Rumus persamaannya sebagai berikut:

MSE = (∑ Kesalahan Peramalan )2

n…..Rumus 3.10 Mean Squared Error

c. Mean Absolute Percentage Error (MAPE)

Mean Absolute Percentage Error merupakan nilai tengah kesalahan persentase

absolute dari suatu peramalan.

MAPE = 100 x ∑ |(𝑋𝑡− 𝐹𝑡 )|/𝑋𝑡

𝑛𝑡=1

𝑛 …..Rumus 3.11 Mean Absolute Percentage

Error (MAPE), atau

MAPE = ∑ Kesalahan Persen Absolut

n …..Rumus 3.12 Mean Absolute

Percentage Error (MAPE)

Keterangan :

Xt = Data aktual penjualan

Ft = Hasil peramalan

n = Jumlah Periode

3.6 Objek dan Jadwal Penelitian

3.6.1 Objek Penelitian

Objek atau tempat pengkajian ini dibuat pada PT. Banian Indo Global,

Perusahaan ini beralamat di komplek Taman Bukit Golf Blok A no 1, Sei Panas,

Kota Batam. Pengkajian ini dilakukan pada departmen produksi di PT. Banian Indo

Global.

39

Gambar 3.2 Lokasi Penelitian

3.6.2 Jadwal Penelitian

Dalam melakukan penelitian di PT Banian Indo Global maka jadwal

penelitian yang dilakukan seperti pada tabel dibawah ini

Tabel 3.1 Jadwal Penelitian

No Kegiatan

2020

Februari Maret April Mei Juni Juli

1. Pengajuan Judul

2. Pengerjaan BAB I

3. Pengerjaan BAB

II

4. Pengerjaan BAB

III

5. Pengumpulan Data

6. Pengolahan Data

7. Pengerjaan BAB

IV

8. Pengerjaan BAB V

9. Penyelesaian

Penelitian

analisis peramalan permintaan produk wooden …

Documents