Upload
others
View
16
Download
0
Embed Size (px)
Citation preview
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 4.1 Data Permintaan Produk wooden pallet ............................................... 40
Tabel 4.2 Data Permintaan Produk wooden pallet ............................................... 41
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 4.7 Hasil Perhitungan Permintaan wooden pallet α = 0,5 ......................... 51
Tabel 4.8 Hasil Peramalan Permintaan wooden pallet α = 0,5 ........................... 52
Tabel 4.9 Hasil Perhitungan Permintaan wooden pallet α = 0,9 ......................... 55
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 4.14 Hasil Peramalan Permintaan wooden pallet α = 0,1 ......................... 62
Tabel 4.15 Hasil Perhitungan Permintaan wooden pallet α = 0,5 ....................... 64
Tabel 4.16 Hasil Peramalan Permintaan wooden pallet α = 0,5 ......................... 66
Tabel 4.17 Hasil Perhitungan Permintaan wooden pallet α = 0,9 ....................... 67
Tabel 4.18 Hasil Peramalan Permintaan wooden pallet α = 0,9 ......................... 69
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 4.23 Hasil Perhitungan Permintaan wooden box α = 0,5 .......................... 77
Tabel 4.24 Hasil Peramalan Permintaan wooden box α = 0,5 ............................ 79
Tabel 4.25 Hasil Perhitungan Permintaan wooden box α = 0,9 .......................... 81
Tabel 4.26 Hasil Peramalan Permintaan wooden box α = 0,9 ............................ 82
Tabel 4.27 Hasil Perhitungan Permintaan wooden box Regresi Linier ................ 83
Tabel 4.28 Hasil Peramalan Permintaan wooden box Regresi Linier ................. 85
Tabel 4.29 Hasil Perhitungan Permintaan wooden box α = 0,1 .......................... 87
Tabel 4.30 Hasil Peramalan Permintaan wooden box α = 0,1 ............................ 89
Tabel 4.31 Hasil Perhitungan Permintaan wooden box α = 0,5 .......................... 90
Tabel 4.32 Hasil Peramalan Permintaan wooden box α = 0,5 ............................ 92
Tabel 4.33 Hasil Perhitungan Permintaan wooden box α = 0,9 .......................... 94
Tabel 4.34 Hasil Peramalan Permintaan wooden box α = 0,9 ............................ 95
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 4.39 Kesalahan Peramalan Wooden Pallet α = 0,9 ..................................102
Tabel 4.40 Kesalahan Peramalan Wooden Pallet Regresi Linier .......................105
Tabel 4.41 Kesalahan Peramalan Wooden Pallet α = 0,1 ..................................108
Tabel 4.42 Kesalahan Peramalan Wooden Pallet α = 0,5 ..................................110
Tabel 4.43 Kesalahan Peramalan Wooden Pallet α = 0,9 ..................................112
xi
Tabel 4.44 Kesalahan Peramalan Wooden Pallet Regresi Linier .......................114
Tabel 4.45 Kesalahan Peramalan Wooden Box α = 0,1 .....................................117
Tabel 4.46 Kesalahan Peramalan Wooden Box α = 0,5 .....................................119
Tabel 4.47 Kesalahan Peramalan Wooden Box α = 0,9 .....................................121
Tabel 4.48 Kesalahan Peramalan Wooden Box Regresi Linier ..........................124
Tabel 4.49 Kesalahan Peramalan Wooden Box α = 0,1 .....................................126
Tabel 4.50 Kesalahan Peramalan Wooden Box α = 0,5 .....................................128
Tabel 4.51 Kesalahan Peramalan Wooden Box α = 0,9 .....................................130
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 2.23 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
Rumus 3.12 Mean Absolut Percentage 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:
Xt = Data aktual pada periode t
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:
m = Periode mendatang
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
Exponential Smoothing
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
(Uk.160x200cm) adalah
Exponential Smoothing
(α=0,1), dengan hasil
peramalan sebesar 51
unit penjualan, dan pada
produk Super Star
(Uk.180x200cm) adalah
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 :
Xt = Data aktual pada periode t
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 :
m = Periode mendatang
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