PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

DISUSUN OLEH : NAMA : BUDIYANTO NIM : 41605110052 JURUSAN : TEKNIK INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2009

LEMBAR PERNYATAAN

Yang bertanda tangan di bawah ini, Nama NIM Jurusan Fakultas Judul Skripsi

: : : : :

Budiyanto 41605110052 Teknik Industri Teknologi Industri Peramalan Order Intake di PT.KSB Indonesia

Dengan ini menyatakan bahwa hasil penulisan Skripsi yang telah saya buat ini merupakan hasil karya sendiri dan benar keasliannya. Apabila ternyata di kemudian hari penulisan Skripsi ini merupakan hasil plagiat atau penjiplakan terhadap karya orang lain, maka saya bersedia mempertanggungjawabkan sekaligus bersedia menerima sangsi berdasarkan aturan tata tertib di Universitas Mercu Buana.

Demikian, pernyataan ini saya buat dalam keadaan sadar dan tidak dipaksakan.

Penulis,

( Budiyanto )

i

LEMBAR PENGESAHAN

Peramalan Order Intake di PT. KSB Indonesia

Disusun Oleh : Nama NIM Jurusan

: Budiyanto : 41605110052 : Teknik Industri

Pembimbing

Mengetahui Koordinator TA / KaProdi

( Ir. H. Muhammad Kholil, MT.)

( Ir. H. Muhammad Kholil, MT. )

ii

ABSTRAK Peramalan Order Intake PT. KSB Indonesia PT. KSB adalah perusahaan yang bergerak dibidang pompa, valve, dan service. Sebagaimana sebuah perusahaan yang melakukan penjualan dan jasa service, dengan jenis produk yang cukup banyak, maka pengendalian terhadap permintaan barang harus dilakukan dengan cukup baik. Dari semenjak berdiri sampai saat ini, PT. KSB berusaha untuk meningkatkan penjualan baik di skala industri, project, dan memperluas jaringan agen di Indonesia. Hal ini tentu saja membutuhkan perencanaan yang sangat baik mengingat semua produk diimport dari berbagai negara yang memiliki lisensi sebagai produsen. Beberapa metode peramalan yang dapat digunakan untuk meramalkan permintaandi PT.KSB adalah : Metode Peramalan Linier, Metode Peramalan Konstan, dan Metode Peramalan Kuadratik, dimana data yang digunakan adalah data historis atau data masa lalu. Peramalan yang sudah dilakukan perlu juga dipantau perkembangannya agar diketahui metode yang selama ini digunakan masih cocok atau harus dilakukan revisi dengan menghitung ulang seluruh data aktual yang tersedia. Untuk menentukan metode peramalan yang terbaik maka perlu diketahui akurasi dari hasil peramalan metode-metode tersebut. Pengukuran akurasi hasil peramalan dilakukan dengan menggunakan 4 standar : Standard Error of Estimate (SEE), Mean Absolute Percentage Error (MAPE), Mean Square Error (MSE), Cumulative Sum of Forecast Error (CFE). Dengan menggunakan data historis hasil penjualan selama 2 tahun, data yang cukup ini diharapkan dapat menunjukkan kecenderungan dari pola permintaan itu sendiri. Data yang diambil tiap periodenya adalah data total penjualan untuk keseluruhan jenis produk. Jadi penelitian ini hanya sampai pengontrolan penjualan dengan metode peramalan terbaik. Dengan demikian penulis mengharapakan agar dapat menganalisa perbedaan antara data hasil peramalan dan aktual penjualannya. Dari hasil pengamatan, pengolahan data dan analis yang dilakukan serta perbandingan data aktual permintaan pompa PT.KSB Indonesia, dapat disimpulkan bahwa metode konstan adalah metode terbaik, kerena yang dapat dipergunakan dalam meramalkan permintaan pompa di PT.KSB pada masa yang akan datang. Untuk menjaga agar hasil peramalan tetap baik maka disarankan untuk selalu melakukan analisis pada setiap permintaan. Kata kunci : Peramalan Order Intake di PT. KSB Indonesia.

iii

ABSTRACT Forecasting of Order of Intake PT. KSB Indonesia KSB is peripatetic company in pump, valve, and service area. As a company which conducting service and sale of service, with product type which quite a lot, hence operations to material requisition must be done good enoughly. From stand up till now, PT. out for KSB improve sale either in industrial scale, project, and extend agent network in Indonesia. This matter of course require very good planning remember all products imported from various state owning license as producer. Some methods forecasting of which can be used to determine forecast of PT.KSB are : Linear Method Forecasting, Constant Method Forecasting, and Method Forecasting of Kuadratik, where data the used is historical data or past data. Forecasting which have been done require to be watched by the growth so that known method was which during the time used still compatible or must be done revise with calculated again entire data of actual the availableness. To determine best forecasting method hence it is important to know accuration of result forecasting of method. Measurement of accuration result of forecasting conducted by using 4 standard : Standard of Error Estimate of ( SEE), Mean Absolute Percentage Error ( MAPE), Mean Square Error ( MSE), Cumulative Sum Forecast Error of ( CFE). By using historical data of sales revenue during 2 year, enough data expected can show tendency of pattern request of itself. Taken data every period is total data of sale to the overall of product type. Become this research only until controlling of sale with best forecasting method. Thereby writer expected analysing difference among result data of forecasting and actual selling. From perception result, data-processing and conducted analyst and also comparison of pump actual data request of PT.KSB Indonesia, can be concluded that constant method is best method, because able to be utilized in forecasting request of pump int PT.KSB at future. To take care of result of forecasting remain to good hence suggested to always to analyse in each request. Keyword : Forecasting of Order Intake in PT. KSB Indonesia.

iv

KATA PENGANTAR

Puji dan syukur penulis panjatkan atas ke kadhirat Allah SWT atas segala limpahan rahmat dan kasih saying-Nya, penulis akhirnya dapat menyelesaikan penulisan skripsi ini dengan judul “ Peramalan Order Intake di PT. KSB Indonesia” untuk memenuhi salah satu syarat dalam menyelesaikan pendidikan Strata I Jurusan Teknik Industri Universitas Mercubuana Jakarta. Penulis mengucapkan terima kasih kepada semua pihak yang telah membantudalam pelaksanaan skripsi ini, yakni kepada: 1. Ibu dan Ayah penulis atas perhatian, kasih sayang, dan kesabaran mereka yang sangat berarti bsgi penulis. 2. Bpk. Ir.H.Muhammad Kholil, MT, selaku pembimbing skripsi yang telah memberikan bimbingan, saran, semangat serta ilmu yang tak ternilai harganya. 3. Istriku tercinta Sri Novianti, yang telah memberikan doa, semangat dan pengertian yang luar biasa sehingga terselesaikannya skripsi ini. 4. Seluruh staff pengajar di Jurusan Teknik Industri Universitas Mercubuana Jakarta atas pencerahan ilmu yang telah diberikan.

v

5. Bpk Yana, Agung, Aziz Widodo, Yusman, Syahrul, dan seluruh temanteman angkatan ke 7 PKSM jurusan Teknik Industri Universitas Mercubuana atas semangat dan kerjasama selama menjalani perkuliahan. Akhir kata penulis berharap semoga skripsi ini dapat memberikan manfaat yang sebesar-besarnya, dan semoga kasih saying Allah SWT senantiasa tercurah kepada kita semua. Amiiinn.

Jakarta, Maret 2009

Penulis

vi

DAFTAR ISI

Halaman Judul Halaman Pernyataan .........................................................................................

i

Halaman Pengesahan ........................................................................................

ii

Abstraksi ...........................................................................................................

iii

Kata Pengantar .................................................................................................

v

Daftar Isi ...........................................................................................................

vii

Daftar Tabel ......................................................................................................

xi

Daftar Gambar ..................................................................................................

xii

BAB I

BAB II

PENDAHULUAN 1.1 Latar Belakang Masalah ..........................................................

1

1.2 Maksud dan Tujuan .................................................................

3

1.3 Metode Penelitian ....................................................................

3

1.4 Sistematika Penulisan...............................................................

3

LANDASAN TEORI 2.1 Konsep Dasar Manajemen Permintaan...................................

5

2.2 Definisi Peramalan.................................................................

7

2.3 Konsep Dasar Sistem Peramalan Dalam Manajemen Permintaan ..........................................................................

8

2.4 Kegunaan Peramalan............................................................

10

2.5 Tipe Peramalan 2.5.1 Peramalan Berdasarkan Pendapat Subyektif Dari

vii

Orang-Orang Yang Bekerja Dalam Penjualan dan Pemasaran.................................................................. 2.5.2 Berdasarkan Data Penjualan Rata-rata Masa Lampau...

12 13

2.6 Perlunya Ketelitian Peramalan...............................................

14

2.7 Analisis Deret Waktu ............................................................

14

2.8 Pendekatan Umum Dalam Peramalan Secara Statistik 2.8.1 Penentuan Fungsi Peramalan Dengan Least Squares....

17

2.8.2 Membuat Peramalan Dengan Metode Konstan............

18

2.8.3 Membuat Peramalan Dengan Metode Time Series

\

BAB III

2.8.3.1 Peramalan Linier..............................................

20

2.8.3.2 Peramalan Kuadratik.......................................

22

2.8.3.3 Peramalan Siklis..............................................

23

2.8.3.4 Peramalan Non Linier.....................................

23

2.8.3.5 Peramalam Eksponensial................................

25

2.9 Ukuran Akurasi Hasil Peramalan.......................................

25

2.10 Pemeriksaan dan Pengendalian Ramalan

27

2.10.1 Peta Rentang Bergerak (Moving Range).................

28

2.10.2 Peta Rentang Bergerak Untuk Pemeriksaan.............

29

2.10.3 Peta Rentang Bergerak Untuk Pengendalian Ramalan

29

2.11 Perbaikan Peramalan............................................................

30

2.12 Ikhtisar..................................................................................

31

METODOLOGI PENELITIAN 3.1 Identifikasi Masalah.................................................................

viii

34

BAB IV

3.2 Tujuan Penelitian......................................................................

34

3.3 Studi Pendahuluan....................................................................

35

3.4 Pengumpulan Data..................................................................

35

3.5 Pengolahan Data......................................................................

36

3.6 Analisis dan Kesimpulan........................................................

36

PENGUMPULAN DATA DAN PENGOLAHAN DATA 37

4.1 Pengumpulan Data

BAB V

4.1.1 Company Profile.............................................................

37

4.1.2 Struktur Organisasi..........................................................

38

4.1.3 Data Permintaan..............................................................

38

4.1.4 Uji Kecukupan Data.......................................................

38

4.2 Penentuan Pola Dasar Permintaan..........................................

41

4.3 Penerapan Metode-metode Peramalan

41

4.3.1 Metode Konstan...............................................................

41

4.3.2 Metode Linier..................................................................

44

4.3.3 Metode Kuadratik.............................................................

48

4.4 Moving Range..........................................................................

53

ANALISA HASIL PENGOLAHAN DATA

56

5.1 Analisa Pola Data Permintaan................................................

56

5.2 Pemilihan Metode Peramalan.................................................. Analisa Aspek Pemasaran.......................................................

60

Analisa Aspek Logistik...........................................................

60

ix

BAB VI

KESIMPULAN DAN SARAN 6.1 Kesimpulan............................................................................

61

6.2 Saran......................................................................................

61

Daftar Pustaka Daftar Lampiran

x

DAFTAR TABEL Halaman Tabel 4-1

Data Permintaan Aktual Pompa Tahun 2007-2008

38

Tabel 4-2

Data Perhitungan Dengan Metode Konstan

42

Tabel 4-3

Data Perhitungan Dengan Metode Linier

44

Tabel 4-4

Peramalan Dengan Metode Linier

45

Tabel 4-5

Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Linier

46

Tabel 4-6

Data Perhitungan Dengan Metode Kuadratik

48

Tabel 4-7

Peramalan Dengan Metode Kuadratik

51

Tabel 4-8

Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Kuadratik

51

Tabel 4-9

Ringkasan Akurasi Metode Peramalan

53

Tabel 4-10

Perhitungan Moving Range Untuk Pemeriksaan

54

Peramalan Metode Konstan Tabel 5-1

Ukuran Akurasi Hasil Peramalan

57

Tabel 5-2

Data Permintaan dan Hasil Peramalan

59

xi

DAFTAR GAMBAR Halaman Gambar 2-1

Aktivitas Utama Dalan Manajemen Permintaan

5

Gambar 2-2

Pola Permintaan Trend

15

Gambar 2-3

Pola Permintaan Siklus

16

Gambar 2-4

Pola Permintaan Musiman

16

Gambar 2-5

Pola Permintaan Acak

17

Gambar 3-1

Metodologi Penelitian

33

Gambar 4-1

Grafik Pola Dasar Permintaan 12 Periode 2007-2008

41

Gambar 4-2

Grafik Peramalan Dengan Metode Konstan

43

Gambar 4-3

Grafik Peramalan Dengan Metode Linier

47

Gambar 4-4

Grafik Peramalan Dengan Metode Kuadratik

53

Gambar 4-5

Peta Kontrol Moving Range Untuk Peramalan

55

Metode Konstan Gambar 5-1

Pembagian Daerah A/B/C Pada Peta Moving Range

xii

58

Bab I Pendahuluan

BAB I PENDAHULUAN

1.1 Latar Belakang Masalah Melihat kondisi peningkatan sector industri dalam negeri dalam beberapa tahun belakangan ini yang bergerak kearah positif, banyak perusahaan pompa yang mulai tergerak untuk meningkatkan daya penjualannya ke pasar lokal, apalagi setelah melihat animo pasar yang begitu besar Di era perdagangan global saat ini, sudah merupakan hal yang wajar jika semua perusahaan baik yang bergerak dibidang jasa maupun manufacture berlomba untuk memperoleh keuntungan di pasar. Mereka memikirkan berbagai metode dan strategi untuk dapat diterima di pasar mulai dari pemasaran, sistem informasi, warehouse, membeli alat yang dapat meningkatkan produksi, merekrut tenaga ahli dan sebagainya. Persaingan yang begitu ketat tidak hanya datang dari industri local saja tetapi juga melibatkan industri yang berasal dari luar yang berskala international melalui agen yang ditunjuk dengan membuka cabang di Indonesia.. Di Indonesia merupakan

pasar yang cukup menjanjikan untuk pemasaran pompa karena

banyak terdapat industri yang bergerak dalam pengolahan barang mentah menjadi barang jadi, seperti industri kimia dan perusahaan di bidang pertambangan. Salah satu tolok ukur keberhasilan suatu perusahaan adalah ditentukan oleh strategi pemasaran dan jaminan akan kualitas produk yang dijual. Awalnya keberhasilan bisnis ditentukan oleh efektivitas dan produktivitas karyawan,

1

Bab I Pendahuluan

setelah itu paradigma bergeser dimana suatu bisnis dikatakan sukses jika nilai penjualan meningkat dan produknya memiliki banyak keunggulan. Tapi pada kenyataanya paradigma-paradigma tersebut tidak ada artinya jika produk yang dikirim ke pelanggan sering terlambat, salah kirim produk, ataupun produk yang dipesan tidak sesuai dengan yang diharapkan. Hal-hal tersebut menyebabkan pelanggan merasa tidak puas, kecewa dan bahkan memutuskan hubungan bisnis dan menjalin hubungan baru dengan perusahaan lain yang dapat memenuhi kriteria yang ditetapkan. Berdasarkan kondisi nyata tersebut, maka mulai banyak perusahaan yang mengalihkan tolok ukurnya pada kepuasan pelanggan karena memang pelangganlah yang patut memberikan penilaian atas keberhasilan suatu bisnis. Untuk mencapai target tujuan yang telah ditetapkan, maka perlu dibuat perencanaan kegiatan. Untuk bisa membuat rencana yang baik, manajemen harus mampu merancang sebuah skenario masa depan yang dalam hal ini bisa dilaksanakan melalui proses peramalan (forecasting). Meskipun peramalan dilakukan berdasarkan data historis tapi tetap saja terdapat hal-hal yang tidak terduga yang menyebabkan kenyataan berbeda dengan apa yang sudah diramalkan. Tetapi paling tidak peramalan ini dapat membantu untuk menentukan langkah ke depan dan membantu dalam pengambilan keputusan suatu perusahaan .

2

Bab I Pendahuluan

1.2 Maksud dan Tujuan Berdasarkan latar belakang diatas, maka tujuan penulisan tugas akhir ini adalah : 1. Menentukan dan menggunakan metode terbaik berdasarkan ukuran akurasi hasil peramalan. 2. Menganalisa perbedaan antara perencanaan penjualan dan aktual permintaan. 3. Menganalisa target pasar yang akan dicapai berdasarkan studi lapangan dan history penjualan 2 tahun sebelumnya.

1.3 Metode Penelitian Pada penulisan tugas akhir ini, metode penelitian disusun berdasarkan kerangka dan tahapan penelitian di lapangan secara sistematis guna memperoleh hasil yang terstruktur, optimal dan efektif. Untuk memperoleh hasil yang maksimal, berbagai literatur diambil sebagai pijakan awal dalam membuka dan mempelajari lebih dalam masalah yang terjadi pada PT. KSB.

1.4 Sistematika Penulisan Untuk mendapatkan gambaran yang sistematis dalam penyusunan tugas akhir ini, maka tugas akhir disusun dalam 6 (enam) bab. Masing-masing bab berisi sebagai berikut.

3

Bab I Pendahuluan

Bab I

Pendahuluan Memberikan gambaran tentang latar belakang masalah, pembatasan masalah, metode penelitian dan sistematika penulisan.

Bab II

Landasan Teori Membahas teori-teori yang berkaitan, yang akan dipakai sebagai teori pendukung ataupun yang bertentangan terhadap permasalahan yang sedang dikaji.

Bab III

Metode Penelitian Menampilkan langkah-langkah yang ditempuh dalam menyelesaikan masalah.

Bab IV

Pengumpulan dan Pengolahan Data Menyajikan

data

yang

telah

dikumpulkan

dengan

menggunakan metode yang telah ditetapkan. Bab V

Analisa Melakukan analisis terhadap pemecahan masalah sesuai dengan kerangka pemecahan masalah dan landasan teori yang dipakai berdasarkan data yang telah diolah.

Bab VI

Kesimpulan dan Saran Merupakan jawaban dari tujuan penelitian yang disertai saran-saran perbaikan yang berguna agar dapat diterapkan oleh PT.KSB

4

Bab II Landasan Teori

BAB II LANDASAN TEORI

Perencanaan atau rancang bangun merupakan salah satu fungsi dari pengambilan keputusan manajemen produksi dan operasi, dimana konsep ini membutuhkan sebuah ramalan tentang permintaan yang biasa disebut “Demand” terhadap produk barang dan jasa yang akan dihasilkan oleh sistem produksi. Kebutuhan akan jawaban tentang perubahan pasar yang cepat akan memerlukan peramalan yang tepat. Peramalan memegang peranan penting dalam konsep ini karena dengan peramalan yang tepat-guna diharapkan akan meningkatkan efisiensi permintaan

2.1 Konsep Dasar Manajemen Permintaan

Peramalan (Tidak Pasti)

Peelayanan Pesanan (Pasti)

MANAJEMEN PERMINTAAN

Gambar 2-1 Aktivitas Utama Dalam Manajemen permintaan

Dari gambar diatas tampak bahwa aktivitas pelayanan bersifat pasti, sedangkan aktivitas peramalan (forecasting) bersifat tidak pasti. Proses

5


pelayanan pesanan adalah penerjemahaan dari apa yang diinginkan oleh pelanggan ke dalam bentuk-bentuk yang akan digunakan oleh pihak produsen. Pelayanan pesanan pada dasarnya bertanggung jawab untuk menanggapi kebutuhan pelanggan dan berinteraksi dengan penyusun jadwal induk guna menjamin ketersediaan produk. Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produkproduk itu dapat dibuat dalam kuantitas yang tepat. Berdasarkan uraian di atas, kita mengenal dua sumber utama yang berkaitan dengan informasi permintaan produk, yaitu : 1. Ramalan terhadap produk independent demand yang bersifat tidak pasti. 2. Pesanan-pesanan yang bersifat pasti. Pesanan yang bersifat pasti ini antara lain : pesanan pelanggan, alokasi tertentu untuk area geografis, service or spare parts and samples, distribution center demands, dll. Bagian penjualan biasanya melakukan perencanaa (sales planning), berdasarkan hasil-hasil peramalan (sales forecast), sehingga informasi yang dikirim ke bagian production planning dengan jelas dapat dipisahkan antara permintaan yang dikembangkan berdasarkan rencana penjualan (sales plan) yang umumnya masih bersifat tidak pasti dan pesananpesanan (orders) yang bersifat pasti. Dengan demikian akan terdapat dua kategori utama dalam manajemen permintaan, yaitu :

6


1. Permintaan berdasarkan rencana penjualan (sales plan) atau ramalan penjualan (sales forecast) yang bersifat tidak pasti. 2. Pesanan-pesanan (orders) yang bersifat pasti. 2.2 Definisi Peramalan Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi pasar bersifat kompleks dan dinamis. Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat kompleks, dan dinamis karena permintaan tersebut akan tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan produksi subtitusi. Oleh karena itu, peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen. Peramalan ini digunakan sebagai dasar untuk menentukan kebijakan pengendalian dari sistem persediaan (inventory), membuat perencanaan produksi, pembebanan mesin, menentukan kebutuhan mesin, peralatan, bahan, serta untuk menentukan tingkat tenaga kerja selama periode produksi. Untuk membuat suatu peramalan yang banyak mempunyai arti, maka peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan diperlukan suatu periode waktu paling sedikit dalam periode waktu yang dibutuhkan untuk

7


membuat suatu kebijaksanaan dan menetapkan beberapa hal yang mempengaruhi kebijaksanaan tersebut adalah :

2.3 Konsep Dasar Sistem Peramalan Dalam Manajemen Permintaan. Pada dasarnya terdapat sembilan langkah yang harus diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem peramalan dalam manajemen permintaan, yaitu : 1. Menentukan tujuan dari peramalan Tujuan dari peramalan adalah untuk meramalkan permintaan dari itemitem independent demand dimasa yang akan datang. Perencanaan produksi dan inventori sebaiknya mengacu pada data total permintaan produk masa datang. Dengan demikian jelas bahwa tujuan peramalan adalah untuk mencapai efektivitas dan efiisiensi dari manajemen produksi dan inventori. Analisis peramalan membicarkan dengan para pembuat keputusan untuk mengetahui apa kebuuhan mereka dan selanjutnya menentukan – variabel apa yang akan diramalkan –

siapa yang akan menggunakan hasil peramalan

–

untuk tujuan apa hasil peramalan digunakan

–

peramalan jangka panjang atau jangka pendek yang dibutuhkan

–

derajat ketepatan peramalan yang diinginkan

–

kapan peramalan diperlukan

–

bagian-bagian peramalan yang diinginkan, seperti peramalan untuk kelompok pembeli, kelompok produk, atau daerah geografis.

8


2. Memilih item independent demand yang akan diramalkan Memperhatikan bahwa item-item independent demand adalah item yang bebas dengan bill of material. 3. Menentukan horison waktu dari peramalan (jangka pendek, menengah, atau panjang). Semakin panjang horizon waktu peramalan, hasil-hasil ramalan akan semakin kurang akurat. Pemilihan interval waktu mingguan dimaksudkan untuk peramalan jangka pendek, sedangkan interval waktu bulanan untuk peramalan jangka panjang menengah, dan interval waktu triwulan untuk peramalan jangka panjang. 4. Memilih model-model peramalan Jika ditinjau dari waktu, maka model peramalan dapat dibagi menjadi : - Peramalan jangka panjang berkaitan dengan perencanaan bisnis analisis fasilitas, proyek-proyek jangka panjang, produk-produk atau pasar baru, investasi modal, dll. Karakteristik dari peramalan jangka panjang adalah : dilakukan analisis satu kali, lebih banyak berdasarkan pertimbangan manajemen puncak, lebih banyak menggunakan data eksternal (triwulan atau tahunan), dilakukan oleh manajemen puncak (top management), dan dilakukan terhadap beberapa produk atau familinya. -

Peramalan jangka menengah berkaitan dengan perencanaan anggaran, produksi, pembelian (purchase order), dll. Karakteristik dari peramalan jangka panjang menengah adalah bersifat periodikal (data

9


bulanan atau triwulan), menggunakan teknik kuantitatif dan kualitatif, dilakukan oleh manajemen menengah, dan dilakukan terhadap kelompok produk atau familinya. -

Peramalan jangka pendek berkaitan dengan perencanaan distribusi inventori, perencanaan material, dll. Karakteristik dari peramalan ini adalah : dilakukan secara teratur dan berulang, menggunakan data internal (harian atau mingguan), menggunakan teknik kuantitatif, dan dilakukan secara terperinci untuk banyak item atau stock keeping units.

5. Memperoleh data yang dibutuhkan untuk melakukan peramalan Data yang ada paling sedikit terbentuk dari tiga komponen : pengaruh musiman

(seasonality),

Kecendurungan

(trend),

dan

keteracakan

(randomness). 6. Validasi model peramalan 7. Membuat peramalan 8. Implementasi hasil-hasil peramalan 9. Memantau keandalan hasil peramalan

2.4 Kegunaan Peramalan Diantara tujuan dan kegunaan dari peramalan adalah : 1. Menentukan kebutuhan dan ukuran perluasan pabrik 2. Menentukan perencanaan jangka menengah untuk produk yang ada untuk diproduksi dengan fasilitas yang ada.

10


3. Menentukan penjadwalan jangka pendek dari produk yang ada untuk diproduksi dengan peralatan yang ada. Dalam setiap ramalan harus dipenuhi salah satu dari kegunaan di atas, sehingga hal in akan menimbulkan tambahan waktu yang diperlukan untuk membuat kebijaksanaan ditambah dengan waktu untuk membuat akibat kebijaksanaan tersebut. Ramalan untuk tujuan yang pertama di atas dapat dibuat untuk ramalan jangka panjang. Ramalan untuk tujuan perluasan pabrik dinamakan peramalan fasilitas. Ramalan perencanaan produksi dan produk, dapat digunakan untuk peramalan yang memenuhi tujuan kedua dan ketiga di atas. Sifat peramalan dan metode perbaikannya ditentukan oleh manfaat yang diharapkan dan tingkat rincian dalam ramalan tersebut.

2.5 Tipe Peramalan Pada dasarnya model peramalan dapat diklasifikasikan dalam dua jenis : 1. Model kuantitaif : ekstrapolasi (time series method) dan kausal 2. Model kualitatif : pertimbangan Peramalan dapat dibagi berdasarkan jangka waktu sejalan dengan kegunaannya. Karena derajat detil dan akurasi berkaitan dengan jangka waktu, maka tipe peramalan dibagi berdasarkan kegunaan, detil dan jangka waktu. Selain itu peramalan dapat dikategorikan dengan cara lain :

11


2.5.1

Peramalan Berdasarkan Pendapat Subyektif Dari Orang-Orang Yang Bekerja Dalam Penjualan dan Bagian Pemasaran Peramalan menurut pendapat yang subjektif adalah suatu cara di mana

beberapa atau seluruh manuasia yang ada di bagian penjualan dan pemasaran memberikan pendapatnya untuk menentukan volume penjualan di masa yang akan datang, kemudian pendapat-pendapat ini dikumpulkan dan dinilai. Hasil penilaian ini merupakan suatu peramalan untuk jangka waktu tertentu di masa yang akan datang. Tipe peramalan ini mempunyai keuntungan bahwa manusia yang terlibat langsung dengan penjualan mempunyai tanggung jawab untuk peramalan tersebut, karena mempunyai posisi yang baik untuk “mengerti” kemungkinan arah pasar di masa yang akan datang. Namun demikian, terdapat beberapa kerugian dari metode ini yaitu : Orang–orang di bagian penjualan merasa sangat optimis bila penjualan di masa lampau telah berjalan dengan baik. Pada bagian lain, mereka sangat pesimis bila penjualan di masa lampau tidak berjalan dengan baik. a. Terdapat beberapa oknum yang berpengaruh dilibatkan dalam membuat ramalan tersebut, sehingga hasilnya bukan merupakan suatu pernyataan dari pendapat semua orang, tetapi pendapat dari oknum-oknum tersebut. Jika pengaruh atau kekuatan oknum diperiksa secara cermat atau lebih teliti dari pada seluruh kelompok, tidak akan terdapat kesalahan. Sebaliknya, jika pendapatnya diterima secara sepihak (berat sebelah) berarti harus dimasukkan dalam peramalan. Peramalan dengan pendapat yang subjektif tersebut dapat menjadi baik atau buruk.

12


2.5.2

Peramalan Berdasarkan Data Penjualan Rata-Rata Masa Lampau Peramalan berdasarkan rata-rata data penjualan yang lalu menggambarkan

adanya anggapan bahwa permintaan masa lampau dapat diarahkan untuk permintaan yang akan datang. Kebenaran anggapan ini dapat diuji dengan menggunakan peta-peta kontrol. Dalam hal ini terdapat berbagai metode rata-rata yang dapat digunakan untuk peramalan. Rata-rata hitung atau titik tengah adalah suatu kemungkinan yang dapat dipakai, sehingga rata-rata tersebut adalah ratarata dari seluruh data penjualan yang lalu. Bila bentuk data hanya digunakan dari periode penjualan yang baru saja dilakukan, kita akan mempunyai data-data rata-rata bergerak. Jumlah kebanyakan data yang digunakan dalam rata-rata bergerak akan menentukan bagaimana reaksinya terhadap akibat sistem yang diberikan. Hal ini akan mengarah kepada memperlambat suatu kenaikan, keluar dari tahapan (ketinggalan), menekan keadaan puncak dan menaikkan bagian terbawah daripada siklus permintaan. Besarnya ketinggalan, keadaan di luar tahapan dan adanya perataan tersebut adalah merupakan suatu fungsi dari jumlah periode permintaan yang digunakan dalam rata-rata bergerak. Dalam beberapa hal, seseorang dapat membenarkan perhatiannya terhadap permintaan masa lalu dengan waktu relatif pendek dalam menentukan perkiraan permintaan di masa yang akan datang. Perhatian ini dapat diselesaikan dengan menggunakan rata-rata pembobotan. Di samping itu, dengan memilih faktor pembobotan, dapat dicapai suatu tingkat perataan tertentu, jumlah tertentu dan hubungan-hubungan di luar tahapan tertentu. Bila dipakai pada pola siklus

13


permintaan tanpa menambahkan penyesuaian, rata-rata pembobotan tersebut tidak akan menghasilkan peramalan pada puncak yang lebih tinggi atau bagian bawah yang lebih rendah. Dengan penerapan yang tepat dan penyesuaian tertentu, maka dengan membuat data rata-rata permintaan yang lalu dapat memberikan perkiraan yang memuaskan dari volume penjualan di masa yang akan datang, asalkan sistem sebab akibat tersebut tidak berubah. Bagaimanapun, akan lebih baik dan lebih dapat diandalkan dengan menggunakan teknik-teknik statistik. Bila hanya rata-rata digunakan, tidak akan terdapat perkiraan kesalahan dari nilai peramalan. Perkiraan kesalahan akan di perlukan dalam perencanaan persediaan yang efektif

2.6 Perlunya Ketelitian Peramalan Tanpa mempermasalahkan bagaimana memperolehnya, ketelitian ramalan adalah suatu hal yang pokok dan perlu sekali. Kebijaksanaan perusahaan, secara langsung atau tidak langsung akan didasarkan pada ramalan-ramalan. Oleh karena itu, ketidaktelitian dan kesalahan-kesalahan dalam ramalan dapat menghasilkan kebijaksanaan yang tidak menguntungkan. Dalam suatu pasar dengan persaingan yang tinggi, berhasil atau gagal tergantung kepada tingkat pengendalian melalui ramalan-ramalan yang baik.

2.7

Analisis Deret Waktu Analisis deret waktu didasarkan pada asumsi bahwa deret waktu tersebut

14


dari komponen-komponen Trend (T), Siklus / Cycle (C), Pola musiman / Season (S), dan Variasi acak / Random (R) yang akan menunjukkan suatu pola tertentu. Analisa deret waktu ini sangat tepat untuk meramalkan permintaan yang pola permintaan di masa lalunya cukup konsisten dalam periode waktu yang lama, sehingga diharapkan pole tersebut masih akan tetap berlanjut. Penjelasan tentang komponen-komponen tersebut adalah sebagai berikut : 1. Kecenderungan / Trend (T) Merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya apakah permintaan tersebut cenderung naik,turun, atau konstan.

Gambar 2-2 Pola Permintaan Trend

2. Siklus / Cycle (C) Permintaan suatu produk dapat memiliki siklus yang berulang secara periodik, biasanya lebih dari satu tahun, sehingga pola ini tidak perlu dimasukkan dalam peramalan jangka pendek. Pola ini amat berguna untuk peramalan jangka menengah dan jangka panjang.

15


Gambar 2-3 Pola Permintaan Siklus 3. Musiman / Season (S) Fluktuasi permintaan suatu produk dapat naik turun di sekitar garis tren dan biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara periodik setiap tahunnya.

Gambar 2-4 Pola Permintaan Musiman

4. Variasi acak / Random (R) Permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena faktor-faktor adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak mempunyai pola tertentu. Variasi acak ini diperlukan dalam rangka menentukan persediaan pengamanan untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.

16


Gambar 2-5 Pola Permintaan Acak

2.8

Pendekatan Umum Dalam Peramalan Secara Statistik Untuk mengetahui bahwa metode statistik yang digunakan untuk data

yang lalu adalah suatu cara peramalan yang realistik untuk masa yang akan datang, perlu dilakukan hal-hal sebagai berikut : 1. Membuat suatu gambaran permintaan dan waktu. (Permintaan sebagai ordinat dan waktu sebagai axis). 2. Menentukan teknik statistik yang akan digunakan. 3. Menilai kesalahan yang diperkirakan. 4. Membuat suatu keputusan untuk menggunakan teknik tertentu berdasarkan pertimbangan yang ada atau mencoba mendapatkan sesuatu yang lebih baik lagi. Pendekatan tersebut ditunjukkan dengan beberapa contoh dan secara umum dikemukakan penggabungan beberapa tahapan yang disebutkan di atas.

2.8.1

Penentuan Fungsi Peramalan dengan Least Squares Dalam metode least squares (kuadrat terkecil), disusun suatu fungsi

sekelompok data dalam bentuk : d t' = f (t )

17


Dimana : d’t

= Nilai yang diperkirakan dari variabel tidak bebas

t

= Variabel bebas

Fungsi d’t yang disusun dengan baik akan memperkecil adanya kesalahan standar dari perkiraan atau Standard Error of Estimate ( SEE ). Kesalahan standar perkiraan atau didefinisikan sebagai : n

n

1

1

s dt = ∑(d t − d t' ) 2 /(n − f ) atau SEE = ∑(d t − d t' ) 2 /(n − f ) Dimana : dt

= Permintaan nyata yang diamati dalam periode t

n

= Jumlah periode (pengamatan)

f

= Derajat kebebasan yang hilang

Memperkecil sdt adalah ekivalen dengan memperkecil : n

E = ∑(d t − d t' ) 2 1

Persamaan ini maksudnya adalah untuk memperkecil jumlah kuadrat perbedaan-perbedaan antara nilai permintaan nyata yang diamati pada waktu t dan nilai yang akan atau telah diperkirakan dari fungsi peramalan tersebut. d t' = f (t ) .

2.8.2

Membuat Peramalan Dengan Metode Konstan Jika bentuk persamaan d t' = f (t ) diasumsi menjadi d t' = a , maka

didapatkan : n

E = ∑(d t − a ) 2 1

18


Memperkecil persamaan di atas maka perlu diselesaikan nilai a dengan persamaan turunan persil pertama dari E dengan a = o (∂E/∂a = 0). Ini memberikan : n ∂E = 0 = ∑(d t − a ) 1 ∂a

Yang penyelesaiannya adalah : n

a=∑ 1

dt − =d n

Bila hasil ini diganti dalam persamaan d t' = a maka didapatkan bahwa peramalan tetap “yang terbaik” adalah : −

d t' = d

Ini memperkecil penyimpangan standar. (Kesalahan standar dari perkiraan −

bila d t' = d ). Dalam hal ini dapat dicatat bahwa telah dibuat tanpa anggapan mengenai bentuk data yang diamati. Kesalahan standar dari perkiraan akan dihitung sesuai dengan persamaan : n

s dt = ∑(d t − d t' ) 2 /(n − f ) 1

atau s dt =

∑(d t − d t' ) 2 n −1

19


2.8.3

Membuat Peramalan Dengan Metode Time Series

2.8.3.1 Peramalan Linier Jika bentuk peramalan d t' = f (t ) dianggap merupakan hubungan linier antara dt dan t maka dapat menggunakan : d t' = a + bt

Pernyataan untuk E sekarang adalah : n

E = ∑(d t − a − bt ) 2 1

n

Dengan memperkecil persamaan E = ∑(d t − a − bt ) 2 terhadap a dan b, 1

memberikan : n n ∂E ∂E = 0 = ∑(d t − a − bt ) dan = 0 = ∑ t (d t − a − bt ) 1 1 ∂a ∂a

Ini dapat ditulis sebagai : ∑ d − na − b ∑ t = 0 dan ∑ dt − a ∑ t − b ∑ t 2 = 0 Jika persamaan d t' = a + bt dan ∑ d − na − b ∑ t = 0 dan ∑ dt − a ∑ t − b ∑ t 2 = 0 digabungkan ke dalam bentuk determinan, maka menjadi : d'

1

∑d

n

∑ dt

∑t

t ∑t = 0 ∑t2

Dalam persamaan di atas kolom kedua terdapat koefisien-koefisien a dan kolom ketiga terdapat koefisien b. Perluasan determinan menghasilkan persamaan dimana a dan b dapat diganti dengan nilai-nilai determinan tersebut, sehingga diperoleh :

20


∑d n ∑d ∑t − 2 ∑ dt ∑ t ∑ dt ∑ t d' = +t n ∑t n ∑t 2 ∑t ∑t ∑t ∑t2 ∑ d ∑ t 2 − ∑ t ∑ dt n ∑ dt − ∑ d ∑ t = +t 2 2 n ∑ t − (∑ t ) n ∑ t 2 − (∑ t ) 2 dimana a=

∑ d ∑ t 2 − ∑ t ∑ dt n ∑ t 2 − (∑ t ) 2

b=

n ∑ dt − ∑ d ∑ t n ∑ t 2 − (∑ t ) 2

Bentuk a selanjutnya dapat dikurangkan terhadap : −

−

a = d− bt

t dianggap merupakan suatu bilangan bulat dari 1 sampai n. Berdasarkan hal ini, kita dapat menulis :

∑t =

n(n + 1) 2

dan

∑t Bila persamaan d'

1

∑d

n

∑ dt

∑t

∑t

2

=

2

=

n( n + 1)( 2n + 1) 6

n( n + 1)( 2n + 1) 6

t ∑ t = 0 maka dipunyai : ∑t2

21

dimasukkan ke dalam persamaan


d'

1

∑d

n

∑ dt

n(n + 1) 2

t n(n + 1) =0 2 n(n + 1)(2n + 1) 6

b=

6(2 ∑ dt − ( n + 1) ∑ d ) n(n 2 − 1)

a=

2(2n + 1) ∑ d − 6 ∑ dt n(n − 1)

Kesalahan standar dari perkiraan akan dihitung sesuai dengan persamaan : n

s dt = ∑(d t − d t' ) 2 /(n − f ) 1

atau s dt =

2.8.3.2

∑(d t − d t' ) 2 n−2

Peramalan Kuadratik Metode ini digunakan jika scatter diagram (diagram pencar) dari masa

lalu yang tersedia cenderung berbentuk parabola. Fungsi persamaan dari metode ini adalah : Y= a + bx + cx² Koefisien a, b, dan c diperoleh dengan : a

= (ΣY- cΣX²) : n

b

= ΣXY : ΣX²

c

= { n ΣX²Y – (ΣX²) (ΣY) }: { nΣX4 – (ΣX²)² }

Jika ΣX = 0

22


2.8.3.3

Peramalan Siklis Dengan Persamaan Y′ = f (t)

Maka pola data siklis diestimasi dengan menggunakan persamaan regresi : y 1 = a + b cos

2π 2π t + c sin t N N

Nilai a, b, dan c pada persamaan di atas ditaksir dengan melakukan eliminasi tiga persamaan linier berikut : Σy = an = bΣcos

Σcos

2π 2π t + cΣ sin t N N

2π 2π 2π 2π 2π t = aΣ cos t + bΣ cos 2 t + cΣ sin t cos t N N N N N

Σysin

2π 2π 2π 2π 2π t = aΣ sin t + bΣ cos t sin t + cΣ sin t N N N N N

Perhitungan Standard Error of Estimate persamaan siklis yang didapatkan

∑ ( yt − yt ' ) (n − f )

menggunakan persamaan : SEE =

2

dengan derajat kebebasan (f)

sama dengan 3.

2.8.3.4

Peramalan Non Linier Hubungan non-linier dapat berbentuk hubungan kuadrat (parabola) atau

hubungan pangkat tiga ataupun lainnya. Bila bentuk hubungannya adalah kuadratik dapat dinyatakan sebagai : d ' = a + bt + ct 2

Dimana : a, b, c : konstanta

23


t

: periode waktu

Adapun persamaan-persamaan yang digunakan menentukan nilai konstanta adalah sebagai berikut : b=

γ .σ − θ .α γ .β − α 2

c=

a=

θ − b.α γ

∑ d b. ∑ t c. ∑ t 2 − − n n n

Dimana :

γ = (∑ t 2 ) − n. ∑ t 4 2

σ = ∑ t. ∑ d − n. ∑ t.d

θ = ∑ t 2 . ∑ d − n. ∑ t 2 .d α = ∑ t. ∑ t 2 − n. ∑ t 3 β = (∑ t ) 2 − n. ∑ t 3 Kesalahan standar dari perkiraan akan dihitung sesuai dengan persamaan : n

s dt = ∑(d t − d t' ) 2 /(n − f ) 1

atau s dt =

∑(d t − d t' ) 2 n−3

24


2.8.3.5

Peramalan Eksponensial Metode ini digunakan jika data yang tersedia cenderung naik turun

dengan perbedaan yang tidak terlalu banyak, tetapi secara keseluruhan cenderung naik. Fungsi persamaan dari metode ini adalah : Y′ = ab(x) Yang dapat diubah dalam fungsi logaritma : Log Y′ = log a + (log b)x Jika ΣX = 0, maka koefisien a dan b dapat dicari dengan : Log a = (Σlog y) : n Log b = ( ΣX(log y) ) : ΣX²

2.9 Ukuran Akurasi Hasil Peramalan Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan. Adapun ukuran yang biasa digunakan adalah : 1. Rata-rata Deviasi Mutlak ( Mean Absolute Deviation = MAD) MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut : MAD = ∑ Dimana :

25

At − Ft n


A

= Permintaan Aktual pada perioda – t

Ft

= Peramalan Permintaan pada perioda – t

n

= Jumlah Perioda Peramalan yang terlibat.

2. Rata-rata Kuadrat Kesalahan ( Mean Square Error = MSE ) MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap perioda dan membaginya dengan jumlah perioda peramalan. Secara matematis, MSE dirumuskan sebagai berikut : MSE = ∑

( At − Ft ) 2 n

3. Rata-rata Kesalahan Peramalan ( Mean Forecast Error = MFE ) MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan dan membaginya dengan jumlah perioda peramalan. Secara matematis, MFE dinyatakan sebagai berikut :

MFE = ∑

( At − Ft ) n

4. Rata-rata Persentase Kesalahan Absolut ( Mean Absolute Persentage Error = MAPE ) MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama perioda tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara otomatis, MAPE dinyatakan sebagai berikut :

26


F ⎛ 100 ⎞ MAPE = ⎜ ⎟ ∑ At − t At ⎝ n ⎠ 5. Cumulative Sum of Forecast Errors n

CFE =

∑e t =1

t

2.10 Pemeriksaan dan Pengendalian Ramalan Suatu langkah pertama yang diperlukan setelah membuat ramalan adalah memeriksa bahwa ramalan tersebut memang telah dapat mewakili data dan sistem penyebab kebetulan yang mendasari permintaan bagi produk yang dipertanyakan. Sekali ramalan telah dibuat, maka harus diperkenalkan sampai tiba waktunya untuk membuat ramalan yang berikut. Untuk melakukan suatu peramalan yang baik, perlu dilakukan secara berkesinambungan membandingkan ramalan tersebut dengan kenyataan permintaan dan membuat perbaikan ramalan bila terdapat perubahan permintaan tersebut. Waktu untuk melakukan ini adalah segera setelah terjadinya perubahan. Terdapat banyak cara yang dapat digunakan memeriksa ramalan dan mengamati suatu perubahan dalam sistem penyebab yang mendasari permintaan. Bagaimanapun dikehendaki sejumlah data ini mungkin tidak tersedia. Bentuk yang termudah dari cara pengendali adalah peta kendali secara statistik yang digunakan dalam pengendalian kualitas. Salah satu peta yang dapat digunakan di mana terdapat suatu jumlah data yang minimum adalah pada peta rentang bergerak ( Moving Range ).

27


2.10.1 Peta Rentang Bergerak (Moving Range) Peta rentang bergerak dirancang untuk membandingkan nilai yang diamati dengan yang diramalkan dari suatu permintaan. Dengan kata lain, dilihat terjadi permintaan dari peramalan selama periode dasar. Kemudian peta tersebut diperluas untuk masa yang akan datang sehingga dapat dibandingkan ramalan dengan kenyataan dari periode tersebut (periode yang dibuat untuk peramalan). Peta rentang bergerak digunakan untuk memeriksa teknik peramalan dan parameter-parameternya. Sekali dibuat peramalan dan peta rentang bergerak, berarti akan digunakan sebagai pemeriksaan yang berkesinambungan untuk melihat jika yang mendasari sistem penyebab tersebut adalah tidak berubah. Rentang bergerak didefinisikan sebagai : MR = (d t' − d t ) − ( d t'−1 − d t −1 )

Rata-rata rentang bergerak didefinisikan sebagai : MR = ∑

MR n −1

dan BKA = +2,66 MR BKB = −2,66 MR

Perubahan atau perbedaan yang digambarkan pada rentang bergerak adalah : Δd t = d t' − d t

Jika mendapatkan suatu titik tak terkendali sewaktu memeriksa peramalan, maka akan dihindari beberapa data atau mencari peramalan baru.

28


Jika terdapat sebuah titik tak terkendali dalam suatu ramalan yang mengikuti periode dasar tersebut, maka akan diselidiki untuk ditentukan penyebabnya. Jika semua titik yang diplot (digambarkan) masuk ke dalam batas-batas kendali, maka dapat dianggap bahwa persamaan peramalan tersebut adalah benar dan aman. Jika titik-titik yang masuk di luar batas-batas tersebut, berarti persamaan peramalan yang dipergunakan tidak teliti, sehingga perlu diadakan perbaikan yang sesuai. Dengan menggunakan peta kendali maka dapat dilihat di mana perubahan terjadi dan dapat ditentukan suatu persamaan peramalan dari data yang sesuai dengan sistem penyebab permintaan yang ada.

2.10.2 Peta Rentang Bergerak Untuk Pemeriksaan Pertama kali dipergunakan peta rentang bergerak bertujuan untuk memeriksa peramalan-peramalan yang dilakukan.

2.10.3 Peta Rentang Bergerak Untuk Pengendalian Ramalan Peta rentang bergerak telah dibahas dalam hubungannya sebagai suatu alat untuk membuat kebenaran dari suatu fungsi peramalan. Peta rentang bergerak tersebut dapat juga digunakan sebagai alat untuk pengawasan pemeliharaan dari kestabilan sistem penyebab tersebut yang dibuat dari permintaan. Bila kondisi tak terkendali diamati, kegiatan relatif terhadap ramalan atau permintaan akan dapat diterima. Dua kegiatan yang berkenaan dengan peramalan tersebut adalah :

29


1. Memperbaikinya untuk memasukkan data baru dan sistem penyebab yang baru. 2. Menunggu fakta-fakta atau keterangan berikutnya. Salah satu tindakan yang dapat diterima hanya setelah adanya suatu pertimbangan dari seluruh aspek sistem penyebab tersebut. Suatu analisis hanya dari data secara umum adalah tidak cukup. Jika tindakan diterima berkenaan dengan permintaan dan yang mendasarinya sistem penyebab, secara umum tindakan tersebut haruslah menjadi : 1. Suatu percobaan untuk mempengaruhi sistem penyebab tersebut. 2. Penerimaan dari perubahan-perubahan dalam permintaan tanpa tindakan. Tindakan yang dapat diterima berkenaan dengan permintaan dan sistem penyebabnya adalah : 1. Perubahan dalam periklanan. 2. Perubahan dalam promosi penjualan. 3. Perubahan dalam kemampuan penjualan. Perubahan dalam harga dan lain-lain.

2.11

Perbaikan Peramalan Fungsi peramalan digunakan sampai ditemukan adanya ketidaktetapan

pada peta kendali. Dua tindakan dapat dilakukan : 1) Memperbaiki peramalan dengan menggunakan seluruh data yang lalu yang tersedia jika kelihatannya seolah-olah ini akan dihasilkan dalam suatu peramalan yang benar secara statistik.

30


2) Memasukkan data yang lalu dari pertimbangan jika kelihatannya bahwa suatu perubahan yang permanen yang terjadi dalam sistem penyebab kebetulan yang menimbulkan permintaan.

2.12

Ikhtisar Salah satu prosedur untuk menilai metode peramalan secara statistik

adalah peta rentang bergerak, yang keuntungannya sama baiknya dengan mengusahakan kesederhanaan konstruksi dan pemeliharaan. Pada dasarnya peta kendali mengemukakan tiga hal penting mengenai suatu pola permintaan : 1. Mengemukakan jika permintaan yang lalu adalah stabil karena statistik. 2. Mengemukakan jika permintaan yang sekarang adalah mengikuti polaYang lalu. 3. Jika permintaan yang sekarang tidak mengikuti pola yang lalu, peta kendali menggambarkan bagaimana cara untuk memperbaiki metode peramalan tersebut. Jadi, peramalan diselesaikan atau disempurnakan dengan salah satu alat yang sangat sederhana.

31

BAB III METODOLOGI PENELITIAN

Pada penulisan tugas akhir ini, metode penelitian disusun berdasarkan kerangka berpikir dan tahapan penelitian pasar di lapangan secara sistematis. Metodologi ini diperlukan guna menghasilkan suatu bentuk pemecahan masalah yang terintegrasi dan menuju pada suatu tujuan, yaitu memberikan jawaban atau pemecahan atas perumusan masalah. Untuk memperoleh hasil yang maksimal, berbagai literatur diambil sebagai pijakan awal dalam membuka dan mempelajari lebih dalam masalah yang terjadi pada perusahaan. Untuk memperoleh

data

lapangan, dilakukan metode observasi yaitu mengamati secara langsung dan metode wawancara dengan instansi terkait. Keberhasilan suatu penelitian sangat ditentukan oleh langkah – langkah penelitian yang baik dan jelas, sehingga dengan mudah pula dapat diketahui apa yang harus dilakukan untuk lebih memudahkan proses pencapaian tujuan penelitian.

Adapun langkah – langkah dalam melakukan penelitian dibagi

menjadi enam tahap, yaitu : 1. Identifikasi masalah 2. Tujuan penelitian 3. Studi pendahuluan 4. Pengumpulan data 5. Pengolahan data 6. Analisa & kesimpulan

32

Mulai

Identifikasi Masalah

Tujuan Penelitian

Studi Lapangan

Studi Pendahuluan

Pengumpulan Data

Pengolahan Data

Analisis Hasil Pengolahan Data

Kesimpulan dan Saran

Selesai

Gambar 3-1 Metodologi Penelitian

33

Studi Pustaka

3.1 Identifikasi Masalah Dari survei market di lapangan yang meliputi market share dengan beberap competitor dan total market dua tahun terakhir, diketahui bahwa permasalahan utama pada PT. KSB adalah brand image terhadap produk PT.KSB dibandingkan dengan beberapa kompetitor lain yang sudah lebih dahulu terjun dan status perusahaan yang hanya melakukan proses penjualan dan assembly dengan mendatangkan produk yang diminta pelanggan dari berbagai negara yang diberi lisensi sebagai produsen. Selain itu, workshop dan gudang yang hanya mempunyai kapasitas menengah juga juga menjadi kendala jika terjadi peningkatan permintaan di PT.KSB. Oleh karena itu dalam tugas akhir ini akan dicoba diterapkan metode-metode peramalan permintaan, untuk membantu PT. KSB dalam mengatasi masalahnya.

3.2 Tujuan Penelitian Tujuan penelitian adalah untuk melihat masalah yang sebenarnya terjadi dan dihadapi oleh PT.KSB, dimana terlihat bahwa masalah yang ada akan berpengaruh terhadap nilai penjualan ditambah dengan tuntutan kemampuan untuk bersaing dengan pesaing di pasar lokal, banyaknya pilihan pasokan barang dari berbagai Negara, harga yang kompetitif, kualitas yang baik, dan delivery time produk yang sesuai dengan kebutuhan merupakan kunci merebut market lebih besar. Untuk itu, maka sangat diperlukan suatu perbaikan dan penyempurnaan terhadap kebijakan baik dari segi strategi pemasaran, kapasitas workshop yang tersedia, dan sumber daya manusia di perusahaan.

34

3.3 Studi Pendahuluan Sebelum kegiatan dimulai, studi pendahuluan merupakan dasar dan tahap awal untuk melakukan proses penelitian. Studi pendahuluan ini didukung oleh dua kegiatan, yaitu : 1. Studi Pustaka Yaitu studi yang mendukung dan berkaitan dengan teori – teori yang akan digunakan dalam proses pemecahan masalah. Studi pustaka ini dilakukan bersamaan pada saat penelitian, hal ini mempunyai tujuan agar dalam proses pemecahaan masalah tidak hanya berdasarkan situasi dan kondisi perusahaan tetapi juga didukung oleh teori – teori yang terkait.

2. Studi Lapangan Yaitu suatu studi untuk mencari keterangan data atau informasi yang dibutuhkan tentang gambaran umum operasional perusahaan, dengan cara melakukan pengamatan langsung ke lokasi lapangan. Dalam studi lapangan juga dilakukan pengamatan terhadap supplier serta meningkatkan keikutserataan terhadap berbagai project.

3.4 Pengumpulan Data Pengumpulan data sangat diperlukan untuk mencapai tujuan penelitian. Adapun data-data yang dikumpulkan terdiri-dari dua bagian yaitu data tentang gambaran umum perusahaan dan data permintaan dan penjualan pompa dua tahun

35

terakhir. Dengan keterbatasan data-data yang ada di dalam perusahaan penulis berusaha memaksimalkan proses perhitungan dan analisa.

3.5 Pengolahan Data Pengolahan data dilakukan untuk mendapatkan suatu landasan perhitungan yang dapat dijadikan dasar bagi pembuatan perencanaan dan penjadwalan persediaan yang terintergrasi sebagai suatu kesatuan yang utuh, sehingga dapat dengan baik dan optimal diterapkan oleh perusahaan. Pengolahan data untuk tugas akhir ini adalah proses peramalan ( Forecasting ). Proses peramalan permintaan yang dilakukan adalah untuk keseluruhan kategori produk pompa yang di impor oleh PT. KSB dari tahun 2007 – 2008 dengan jangka waktu peramalan selama 12 periode mendatang. Metode peramalan yang digunakan adalah metode konstan, linier, konstan dan kuadratik. Pemilihan metode terbaik akan dilakukan dengan menganalisa kesalahan peramalan yaitu dengan membandingkan nilai ukuran hasil peramalan permintaan dengan jangka waktu peramalan selama 12 periode.

3.6 Analisis dan Kesimpulan Pada tahap ini dilakukan analisis dari pengumpulan dan pengolahan data yang telah dilakukan dan menyimpulkan serta memberikan gagasan-gagasan baru untuk meningkatkan kinerja perusahaan.

36

Bab IV Pengumpulan dan Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data Gambaran umum perusahaan merupakan hasil pengumpulan data tertulis yang telah ada di perusahaan. 4.1.1

Company Profile PT. KSB adalah perusahaan yang bergerak dalam penjualan pompa, valve, spare part, dan service dengan country of origin product dari German, Brazil, Spanyol, India, Malaysia, France, Spanyol, Amerika, dan beberapa Negara lain yang tidak dapat disebutkan satu per satu. Khusus untuk produk pompa PT.KSB mempunyai berbagai type pompa untuk berbagai keperluan, seperti: • Oil and Gas • Water treatment • Chemical process • Mining • Industri • Dan sebagainya.

4.1.2

Struktur Organisasi Struktur organisasi perusahaan dapat dilihat pada lampiran.

37


4.1.3

Data Permintaan Data

permintaan

yang

ditampilkan

disini

adalah

jumlah

keseluruhan permintaan dari semua kategori dalam tiap bulannya. Sebagai contoh permintaan di bulan Juni 2007 adalah 280 unit, ini berarti seluruh permintaan dari berbagai aplikasi pelanggan

Tabel 4-1 Data Permintaan Aktual Pompa Tahun 2007-2008 Tahun Bulan 2007 Januari Februari Maret Juni Juli Desember 2008 Januari Februari April Mei Juli Desember Total

Periode(t )

Permintaan(A )

1 2 3 4 5 6 7 8 9 10 11 12 78

280 219 250 285 230 200 211 253 281 221 232 242 2904

Jika kita lihat data di atas selama periode 1 tahun ( 12 bulan ), maka banyaknya data ( n ) adalah 12. Untuk mengetahui apakah data diatas cukup atau tidak untuk dianalisa lebih lanjut, maka kita perlu menguji kecukupan data tersebut. 4.1.4

Uji Kecukupan Data Pengujian kecukupan data ini perlu dilakukan untuk mengetahui apakah data yang terkumpul sudah mencukupi atau belum dengan

38


menggunakan teori statistik tentang sampling data. Formulasi untuk mengetahui berapa jumlah pengamatan yang sebaiknya digunakan adalah sebagai berikut : 2 2 ⎤ ⎡k n∑ t − (∑ t ) ⎥ ⎢ ⎥ N'= ⎢ s ⎢ ⎥ ∑t ⎢⎣ ⎥⎦

2

Dimana : N'

= Jumlah siklus pengamatan yang seharusnya dilakukan agar dapat diperoleh persentase kesalahan (error) pengamatan minimum dalam

mengestimasikan t yaitu

sebesar S. n

= Jumlah siklus pengamatan awal yang telah dilakukan untuk elemen kegiatan tertentu yang dipilih.

k

= Angka deviasi standar untuk yang besarnya tergantung pada tingkat keyakinan (confidence level) yang diambil, dimana : - 90% confidence level : k = 1.65 - 95% confidence level : k = 2.00 - 99% confidence level : k = 3.00 .

S

= Derajat ketelitian dari data t yang dikehendaki, yang menunjukkan maksimum persentase penyimpangan yang bisa diterima dari nilai t yang sebenarnya. Nilai k/s

39


dikenal sebagai Confidence-Precision Ratio dari time study yang dilaksanakan. t

= Waktu pengamatan dari setiap elemen kerja untuk masing-masing siklus yang diukur.

Apabila tingkat ketelitian yang digunakan adalah 10% (0.10) dan tingkat keyakinan 99% (Z=3), dan banyaknya data (n) adalah 12, maka :

2 2 ⎤ ⎡k n∑ t − (∑ t ) ⎥ ⎢ ⎥ N' = ⎢ s ⎢ ⎥ ∑t ⎢⎣ ⎥⎦

2

⎡ 3 / 0,10 12(280 2 + ... + 242 2 ) − (280 + ... + 242) 2 ⎢ N' = ⎢ (280 + ... + 242) ⎣

N' =

⎡ 30 107.256 ⎤ ⎢ ⎥ ⎣ 2.904 ⎦

N' =

11

⎤ ⎥ ⎥ ⎦

2

2

Dari perhitungan di atas ternyata didapatkan data pengamatan yang ada sudah melebihi (n = 12) sedangkan N' yang diperlukan hanya 11 saja. Maka dinyatakan

data yang ada sudah cukup dan penelitian dapat

diteruskan.

40


4.2

Penentuan Pola Dasar Permintaan Berdasarkan data permintaan bulan Januari 2007 sampai dengan bulan Desember 2008, dibuat grafik pola permintaan sebagai berikut :

310 290

Permintaan(unit)

270 250 230 210 190 170 150 1

2

3

4

5

6

7

8

9

10

11

Periode(t)

Gambar 4-1 Grafik Pola Dasar Permintaan 12 Periode 2007 - 2008

4.3

Penerapan Metode-metode Peramalan 4.3.1 Metode Konstan Metode konstan menentukan peramalan dengan merata-ratakan seluruh permintaan di setiap periodenya.

41

12


Tabel 4-2 Data Perhitungan Dengan Metode Konstan Tahun

Periode (t )

A

F

F-A

l F-A l

( F - A )2

( F-A )/A

l( A-F ) /A l

2007

1

280

242

38

38

1444

0.14

0.25

2 3

219 250

242 242

(23) 8

23 8

529 64

(0.11) 0.03

0.11 0,03

4

285

242

43

43

1849

0.15

0.15

5 6

230 200

242 242

(12) (42)

12 11

144 121

(0.05) (0.06)

0.05 0.06

7

211

242

(31)

31

961

(0.15)

0.15

8 9

253

242 242

11 39

11 39

121 1521

0.04 0.14

0.04 0.14

10 11

221

242 242

(21) (10)

21 10

441 100

(0.10) (0.04)

0.10 0.04

12 78

242

242 2,904

0 0

0 247

0 7295

0 0.10

0 1.11

2008

Total

281 232

2.904

F=

2.904 ∑A = = 242 unit n 12

SEE

=

∑ ( yt − yt ' ) (n − f )

=

7295 (12 − 1)

=

7295 11

2

= 25.7≈ 26

n

MAPE =

e

∑D t =1

100%

t

n

42


1,11 (100%) = 9.25% 12 n

∑e MSE = =

2 t

t =1

n 7295 12

= 608 n

CFE =

∑e

t

t =1

=

0 12

=0

Metode Konstan

Permintaan (unit)

300 250

242

200 150 100 50 0 1

2

3

4

5

6

7

8

9

10

Periode ( t )

Gambar 4-2 Grafik Peramalan Dengan Metode Konstan

43

11

12


4.3.2 Metode Linier Sebenarnya formula regresi linier lebih cocok jika data aktual berpola tren. Tetapi ada baiknya jika kita mencoba untuk mengetahui seberapa akurat regresi linier pada kasus permintaan di PT. SPU. Tabel 4-3 Data Perhitungan Dengan Metode Linier Tahun 2007

2008

Bulan Januari Februari Maret Juni Juli Desember Januari Februari April Mei Juli Desember

Periode(t )

Permintaan(A )

t. A

t2

1 2 3 4 5 6 7 8 9 10 11 12 78

280 219 250 285 230 200 211 253 281 221 232 242 2,904

280 438 750 1140 1150 1200 1477 2024 2529 2210 2552 2904 18654

1 4 9 16 25 36 49 64 81 100 121 144 650

Total

b=

n ∑ (t. A) − ( ∑ t )(∑ A) n∑ t 2 − (∑ t ) 2

=

12(18.654) − (78)(2.904) 12(650) − (78) 2

=

223.848 − 226512 7.800 − 6.084

=

− 2.664 1.716

= -1.553 ≈ 2 a =

∑t ∑A −b n n

44


=

2.904 78 − (−1,55) 12 12

= 242 +10.075 = 252,075 ≈ 252 Untuk persamaan linier : y = a + bx

F = 252 − 2t

Tabel 4-4 Peramalan Dengan Metode Linier Tahun 2007

2008


Periode ( t )

F =252-2t

13 14 15 16 17 18 19 20 21 22 23 24 222

226 224 222 220 218 216 214 212 210 208 206 204 2,580

Total

45


Tabel 4-5 Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Linier ( F = 252 - 2t ) 1 2

280 219

250 248

30 (29)

900 841

75 70

30 29

0.11 (0.13)

0.11 0.13

3 4

250 285

246 244

4 41

16 1,681

1 140

4 41

0.02 0.14

0.02 0.14

5 6

230 200

242 240

(12) (40)

1.089 1,600

0 133

12 40

(0.05) (0.20)

0.05 0.2

7 8

211 253

238 236

(27) 17

729 289

61 24

27 17

(0.13) 0.07

0.13 0.07

9 10

281 221

234 232

47 (11)

2,209 121

184 10

47 11

0.17 (0.05)

0.17 0.05

11 12

232 242

230 228

2 14

4 196

0 16

2 14

0.01 0.06

0.01 0.06

78

2,904

2,868

36

8,587

716

274

0.01

1.14

SEE

=

∑ ( yt − yt ' ) (n − f )

=

8,578 (12 − 2)

=

8,578 10

2

= 29,29

e

n

MAPE =

=

∑D t =1

100%

t

n 1,14 (100%) =9.5% 12 n

∑e MSE

=

t =1

2 t

n

46


=

8578 12

= 714.8≈715 n

CFE

=

∑e t =1

=

t

36 12

=3

Metode Linier

Permintaan (unit)

300 250 200 150

F =252 - 2t

100 50 0 1

2

3

4

5

6

7

8

9

Periode ( t )

Gambar 4-3 Grafik Peramalan Dengan Metode Linier

47

10

11

12


4.3.3 Metode Kuadratik Metode ini digunakan jika diagram dari masa lalu yang tersedia cenderung berbentuk parabola Tabel 4-6 Data Perhitungan Dengan Metode Kuadratik A

t2

t3

t4

tA

t2A

A2

280

1

1

1

280

280

78,400

2

219

4

8

16

438

876

47,961

3

250

9

27

81

750

2250

62,500

4

285

16

64

256

1140

4560

81,225

5

230

25

125

625

1150

5750

52,900

6

200

36

216

1.296

1200

7200

40,000

7

211

49

343

2.401

1477

10339

44,521

8

253

64

512

4.096

2024

16192

64,009

9

281

81

729

6.561

2529

22761

78,961

10

221

100

1.000

10.000

2210

22100

48,841

11

232

121

1.331

14.641

2552

28072

53,824

12

242

144

1.728

210.736

2904

34848

58,564

78

2,904

650

6.084

60.710

18654

155228

711,706

( )

− nΣt 4

Tahun Periode(t ) 2007 1

2008

Total

γ = Σt 2

2

= (650)² - (12)(60.710) = 422.500 – 728.520 = -306.020 σ = (∑ t )(∑ A) − n ∑ t ( A) = (78)(2.904) – (12)(18654) = 226512 – 223848 = 2664

48


θ = Σt 2 (∑ A) − nΣt 2 A = (650)(2.904) – (12)(155228) = 1.887600 – 1862736 = 24864

α = (∑ t )(∑ t 2 ) − n ∑ 3 = (78)(650) – (12)(6.084) = 50.700 – 73.008 = - 22.308 ß = (Σt ) − nΣt 3 2

= (78)² - (12)(6.084) = 6.084 – 73.008 = - 66.924 b =

γσ − θα γβ − α 2

=

( −306.020)(2664) − (24864)(−22.308) ( −306.020)(−66.924) − (−22.308) 2

=

− 815237280 + 554666112 20.480.082.480 − 497.646.864

=

− 260571168 19.982.435.616

= -0,13 c =

=

θ − bα γ ( 24864) − (−0,13)(−22.308) − 306.020

49


=

( 24864) − (2900.04) − 306.020

=

21963 .96 − 306.020

= -0,07 a=

=

∑ A b∑t c ∑t2 − − n n n 2.904 ( −0,13)(78) ( −0,07)(650) − − 12 12 12

= 242 +0.845 + 3.79 = 246.6 Persamaan kuadratik adalah : y = a + bx + cx 2 Jika persamaan peramalannya adalah : F = a + bt + ct 2 Maka F = 246.6 − 0,13t − 0.07t 2

50


Tabel 4-7 Peramalan Dengan Metode Kuadratik Tahun 2009

2010


Total

Periode(t )

Peramalan(F )

13 14 15 16 17 18 19 20 21 22 23 24 222

244 244 244 243 243 243 243 243 242 242 242 242 2,915

Tabel 4-8 Data Perhitungan Ukuran Akurasi Peramalan Dengan Metode Kuadratik ( F = 246.6 - 0,13t - 0,07t² ) Tahun Periode(t) 2007

2008

Total

t²

A

F

A-F

lA-F l

(A-F )

1

1

280

246

34

34

2 3

4 9

219 250

246 246

(27) 4

4

16

285

246

5

25

230

6

36

7

2

(A-F )/A

l( A - F )/A l

1,156

0.12

0.12

27 4

729 16

(0.12) 0.016

0.12 0.016

39

39

1,521

0.13

0.13

246

(16)

16

256

(0.07)

0.07

200

245

(45)

45

2,025

(0.22)

0.22

49

211

245

(34)

34

1,156

(0.16)

0.16

8 9

64 81

253 281

245 245

8 36

8 36

64 1,296

0.03 0.128

0.03 0.128

10

100

221

245

(24)

24

576

(0.108)

0.108

11 12

121 144

232 242

244 244

(12) (2)

12 2

144 4

(0,05) (0,0083)

0.05 0.0083

78

650

2904

2943

(40)

281

8943

(0,312)

1.16

51


SEE

=

∑ ( yt − yt ' ) (n − f )

=

8943 (12 − 3)

=

8943 9

2

= 31.5 n

MAPE = =

et

∑D t =1

100%

t

n 1.16 (100%) 12

= 9.67% n

∑e MSE

=

t =1

2 t

n

=

8943 12

=

745 n

CFE

=

∑e t =1

=

40 12

=

3.3

t

52


Metode Kuadratik

Permintaan (unit)

300 250 200 150 100

F=246.6- 0,13t- 0,07t 2

50 0 1

2

3

4

5

6

7

8

9

10

11

12

Periode ( t )

Gambar 4-4 Grafik Peramalan Dengan Metode Kuadratik

Tabel 4-9 Ringkasan Akurasi Metode Peramalan

Metode Peramalan Konstan Linier Kuadratik

SEE 26 29,9 31,5

MAPE 0,093 0,095 0,097

MSE 607 715 745

CFE 0 3 3,3

4.4 Moving Range Setelah peramalan dibuat, selalu timbul keraguan mengenai kapan harus dibuat suatu metode peramalan baru. Peramalan harus selalu dibandingkan dengan permintaan aktual secara teratur. Pada suatu saat, harus diambil tindakan revisi peramalan apabila ditemukan bukti adanya perubahan Pola permintaan yang signifikan. Setelah dibandingkan dari kelima metode peramalan yang ada, dan setelah dihitung masing-masing akurasi peramalannya, terpilih metode

53


konstan. Untuk itu, yang akan diperhitungkan MR dan dibuatkan peta kontrolnya, hanyalah metode konstan.

Tabel 4-10 Perhitungan Moving Range Untuk Pemeriksaan Peramalan Metode Konstan Tahun 2007

2008


Total

MR = ∑

=

t

A

F

(F - A)

MR=l(F-A)-(F t-1 -A t-1 )l

1 2 3 4 5 6 7 8 9 10 11 12 78

280 219 250 285 230 200 211 253 281 221 232 242 2904

242 242 242 242 242 242 242 242 242 242 242 242 2904

(38) 23 (8) (43) 12 42 31 (11) (39) 21 10 0 0

61 31 35 55 30 11 42 28 60 11 10 374

MR n −1

374 11

= 34

BKA = +2,66 MR = +2,66 (34) = +90.44 BKB = -2,66 MR

54


= -2,66 (34) = -90.44

Peta Moving Range Untuk Pemeriksaan Peramalan Metode Konstan 120 BKA +90.44

90

(A-F)

60 30 0 -30

4

1

Garis Pusat 2

9 8

3 5 6

7

10

11

-60 -90

BKB -90.44

-120

Periode ( t )

Gambar 4-5 Peta Kontrol Moving Range Untuk Peramalan Metode Konstan

55

12

Bab V Analisa Hasil Pengolahan Data

BAB V ANALISA HASIL PENGOLAHAN DATA

5.1 Analisa Pola Data Permintaan Berdasarkan data aktual permintaan pompa PT.KSB dari periode Januari 2007 sampai dengan Desember 2008 ( Bab IV Tabel 4-1 ), terlihat bahwa perbedaan permintaan tidak terlalu signifikan. Beberapa kemungkinan yang mempengaruhi perbedaan permintaan dalam rentang ini yang meliputi faktor eksternal dan internal, antara lain : 1. Fluktuasi nilai mata uang dolar 2. Permintaan cenderung bersifat reorder. 3. Masih belum semua project yang diikuti, PT.KSB ditetapkan sebagai vendor list. 4. Kenaikan harga bahan baku ( besi ) sehingga nilai jual produk menjadi lebih tinggi

5.2 Pemilihan Metode Peramalan Untuk dapat membuat peramalan permintaan, maka dilakukan perhitungan secara mendalam dengan menggunakan beberapa metode peramalan, diantaranya : Metode Linier, Konstan, Kuadratik, Eksponensial dan Siklis. Peramalan yang dilakukan diukur tingkat akurasinya. Pengukuran akurasi hasil peramalan dilakukan dengan menggunakan 4 standar : 1. Standard Error of Estimate (SEE)

56


2. Mean Absolute Percentage Error (MAPE) 3. Mean Square Error (MSE) 4. Cumulative Sum of Forecast Error (CFE)

Tabel 5-1 Ukuran Akurasi Hasil Peramalan

Metode Peramalan Konstan Linier Kuadratik

SEE 26 29,9 31,5

MAPE 0,093 0,095 0,097

MSE 607 715 745

CFE 0 3 3,3

Dari data di atas dapat dilihat dengan jelas bahwa metode konstan memiliki tingkat kesalahan yang paling kecil jika dibandingkan dengan 2 metode lainnya (SEE =26, MAPE=0,093, MSE=607). Sehingga yang akan diteliti lebih lanjut dalam analis hanyalah hasil peramalan dari metode konstan. Untuk melihat apakah hasil peramalan dapat diverifikasi dan berada dalam batas-batas control atas dan bawah ( BKA ) dan ( BKB ), maka hasil peramalan dipetakan ke dalam peta rentang bergerak ( Moving Range). Dari perhitungan dalam Bab IV Tabel 4-15 terlihat bahwa MR = 34, BKA = 90.44 dan BKB = -90,44. Sedangkan dari perhitungan ( F-A ), hasil peramalan yang paling tinggi adalah 42 dan hasil peramalan yang paling rendah adalah -43. Jadi, semua hasil peramalan berada dalam batas-batas kontrol ( Bab IV

57


gambar 4-7 ). Karenanya tidak perlu dilakukan pengendalian pemeriksaan peramalan.

Pembagian Daerah A/B/C pada Peta Moving Range Untuk Pemeriksaan Peramalan Metode Konstan 120 90

(A-F)

60 30 0 -30 -60

Daerah di Luar Kendali

BKA +90.44 Batas Daerah A

Daerah A 1

Daerah B

Garis Pusat 2

4

9 8

3 Daerah C 5 Daerah C 6

Daerah B Daerah A

7

10

11

12

Batas Daerah B Batas Daerah A BKB -90.44

-90 -120

Batas Daerah B

Daerah di Luar Kendali

Periode ( t )

Gambar 5-1 Pembagian Daerah A/B/C pada Peta Moving Range

Terlihat pada gambar di atas bahwa : tidak ada titik yang berada di luar batas kendali, tidak ada tiga titik berturut-turut yang dua diantaranya berada di daerah A, tidak ada lima titik berturut-turut yang tiga diantaranya berada di daerah B, serta tidak ada delapan titik berturut-turut yang ada di atas atau di bawah garis pusat (daerah C). Dengan demikian, dapat dinyatakan secara statistik bahwa peramalan metode konstan tersebut dapat diterima.

58


Tabel 5-2 Data Permintaan dan Hasil Peramalan

Tahun

Bulan

2007 2007 2007 2007 2007 2007 2007 2008 2008 2008 2008 2008

Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Total

2

Periode

Data Permintaan

Hasil Peramalan

1 2 3 4 5 6 7 8 9 10 11 12

280 219 250 285 230 200 211 253 281 221 232 242 2904

242 242 242 242 242 242 242 242 242 242 242 242 2904

Dari data diatas terlihat bahwa sampai periode 12, total hasil peramalan ( F ) adalah sebesar 2904 unit, sedangkan data aktual ( A ) sebesar 2904 unit. Hal ini berarti tidak terdapat selisih ( F - A ). Karenanya, di masa datang itu perusahaan akan terus menggunakan metode peramalan guna

memperkirakan berapa

permintaan pada periode-periode berikutnya dan menyeimbangkan antara permintaan dan peramalan. Hal ini dimaksudkan untuk mengantisipasi atau meminimalkan kekurangan dan kelebihan pasokan yang akan berdampak pada kapasitas gudang di agen-agen yang ditunjuk dan melihat kemungkinan pengembangan dari workshop .

59


Analisa Aspek Pemasaran Dalam memenuhi target permintaan sesuai dengan hasil peramalan, perusahaan harus meningkatkan kinerja di bidang penjualan dengan lebih aktif dalam promosi dan meningkatkan keikutsertaan diberbagai project.

Analisa Aspek Logistik Salah satu faktor pendukung yang penting dalam meningkatkan kepuasan pelanggan adalah masalah delivery time dimana ketepatan kedatangan barang sesuai dengan kesepakatan penjualan. Hal ini mutlak diperhatikan dalam proses ekspansi sehingga berdampak langsung terhadap kepercayaan pelanggan dalam menggunakan produk PT.KSB.

60

Bab VI Kesimpulan dan Saran

BAB VI KESIMPULAN DAN SARAN Berdasarkan perhitungan data dan analisis yang telah dilakukan, maka akan diajukan beberapa kesimpulan dan saran, baik untuk perusahaan maupun untuk pengembangan penelitian ini.

6.1 Kesimpulan 1. Dari hasil perhitungan dapat dilihat bahwa peramalan dengan metode konstan ntuk permintaan ( A ) dari bulan Januari 2007 sampai bulan Desember 2008 sebesar 2904 sedangkan peramalannya ( F ) sebesar 2904 Artinya hasil peramalan sama dibandingkan permintaan aktualnya. Hal ini mungkin disebabkan permintaan cenderung lebih reorder dari sebelumnya. Tetapi secara keseluruhan, pertumbuhan permintaan terus meningkat jika dilihat dari nilai penjualan.

2. Dari 4 ukuran akurasi CFE, SEE, MAPE, MSE, yang terkecil adalah Metode Konstan. Karenanya, metode ini akan digunakan untuk periode yang akan datang dengan pengujian berkala 1 – 2 bulan sekali. Seiring dengan perubahan permintaan pelanggan, mungkin metode konstan akan tidak tepat lagi diterapkan, sehingga akan dipilih metode peramalan baru yang sejalan dengan waktu.

61

Bab VI Kesimpulan dan Saran

6.2 Saran Berdasarkan hasil pengamatan dan analisis yang telah dilakukan oleh penulis di PT. KSB, maka saran-saran yang dapat diberikan penulis dan dapat digunakan sebagai bahan pertimbangan adalah :

1. Agar perusahaan selalu melakukan analisa perubahan kondisi penjualan yang terjadi. Sehingga permasalahan dapat dituntaskan segera, serta mencegah terjadinya akumulasi masalah yang akan menyebabkan terjadinya perbedaan yang cukup besar antara aktual permintaan dengan peramalan. 2.

Dalam menganalisa permasalahan, sebaiknya digunakan metode statistik, terutama yang menyangkut peramalan. Hal ini akan memudahkan jika suatu saat data dibutuhkan.

3. Metode peramalan yang sudah ada saat ini setelah dihitung dan didapatkan metode terbaik sebaiknya selalu dikaji ulang secara periodik sehingga selalu didapatkan data yang paling aktual yang berguna bagi manajemen untuk mengambil keputusan serta strategi penjualan di masa depan.

62

DAFTAR PUSTAKA

Arman Hakim Nasution, Perencanaan Dan Pengendalian Produksi, Edisi I Guna Widya, Surabay, 2003 David Viale, Dasar-dasar manajemen Sediaan, PPM Jakarta Pusat, 2000 Sukanto Reksohadiprojo, Dr. Prof Indriyo Gitosudarmo, M.Com, Manajemen Produksi, Edisi 4, BPFE, Yogyakarta, 1992. Teguh Baroto, Perencanaan Dan Pengendalian Produksi, Ghalia Indonesia Jakarta, 2002. Vincent Gaspersz, Dr Production Planning And Inventory Control, Gramedia Pustaka Utama, Jakarta, 2001.

.

Organization Chart BOD Pres. Director. Opr. Director.

Operations

Finance

Engineering

Sales

HR

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

Recommend Documents