BAB I

PENDAHULUAN

1.1 Latar Belakang Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang

berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan secara sistematis. Selama ini banyak peramalan dilakukan secara intuitif menggunakan metode-metode statistika seperti metodesmoothing, Box-Jenkins, ekonometri, regresi dan sebagainya. Pemilihan metode tersebut tergantung pada berbagai aspek, yaitu aspek waktu, pola data, tipe model sistem yang diamati, tingkat keakuratan ramalan yang diinginkan dan sebagainya.

Peramalan sangatlah penting bagi perusahaan, karena peramalan dapat membantu meyakinkan efektivitas dari penggunaan sumber daya. Peramalan dapat memberikan bantuan yang sangat penting dalam mengindentifikasi tren pada penjualan dan penghasilan dari sebuah perusahaan. Ada sejumlah teknik peramalan atau model yang memungkinkan untuk membantu manajemen perusahaan, namun pilihan akan teknik peramalan yang dipilih, memerlukan sejumlah pertimbangan – pertimbangan. Jika manajemen perusahaan yakin bahwa masa depan perusahaan dapat diprediksi atau setidaknya tidak akan jauh dari prediksi yang dibuat menggunakan peramalan, maka peramalan secara statistik menjadi alat yang sangat membantu.

Di lain kondisi, manajemen dari sebuah perusahaan akan menghadapi faktor eksternal yang sangat tidak menentu, dimana masa depan dari sebuah perusahaan tidak dapat diprediksi karena sangat tidak menentu, kemudian ditemukanlah solusi bagaimana menerapkan peramalan statistik untuk menghadapi kondisi tersebut, apalagi bila yang kita hadapi adalah kondisi yang tidak dapat sesuai dengan pola yang seharusnya. Ketidakstabilan ekonomi yang mempengaruhi kinerja dari sebuah perusahaan dan dapat menyebabkan kesalahan analisis deret waktu.

1.2 Perumusan MasalahPerumusan masalah pada lapoan pratikum ini diantaranya adalah :1. Langkah apa yang diperlukan untuk mendapatkan waktu baku ( WB )

proses pengerjaan produk.2. Langkah apa saja yang diperlukan untuk mendapatkan hasil peramalan

yang tepat.

1.3 Maksud dan TujuanMaksud dan tujuan dari pratikum modul I ini adalah :

1. Mengenal berbagai macam metode peramalan dan memahami metode peramalan deret berkala ( time series ).

2. Memahami prosedur peramalan.3. Memahami berbagai macam ukuran kesalahan peramalan.4. Menentukan fungsi peramalan yang tepat sesuai dengan pola data yang terjadi.5. Memahami dan mampu membuat analisa uji kesalahan peramalan.6. Mengenal, memahami dan mampu mengoperasikan software yang digunakan untuk

peramalan.

1.4 PembatasanMasalahPembatasan masalah dilakukan agar pokok pembahasan tidak melenceng dari maksud

dan tujuan pembahasan. Pembatasan masalah untuk laporan modul I ini diantaranya adalah :1. Menghitung waktu proses pengerjaan produk.2. Mengolah data demand dengan metode peramalan yang ada sehingga dapat ditetapkan

metode terbaik.3. Melakukan plotting data untuk mengetahui metode peramalan yang sesuai dengan

karakteristik data ( data demand ).4. Melakukan uji kesalahan peramalan untuk mendapatkan metode yang dapat menghasilkan

ramalan yang baik.

1.5 Sistematika PenulisanPada laporan pratikum ini, sistematika penulisan yang digunakan adalah :

BAB 1 PENDAHULUAN Berisi latar belakang yang mana menjelaskan tentang sejarah peramalan dan pengenalan awal tentang peramalan serta tujuan dari pembahasan.BAB II PENGUMPULAN DAN PENGOLAHAN DATA Berisi data waktu dan perhitungan dari hasi lpengamatan supaya dapat dianalisis.BAB III ANALISISBerisi analisis-analisis data yang didapat darihasil pengolahan data.BAB IV KESIMPULAN DAN SARANBerisi tentang ringkasan dari hasil semua pengolahan data dan cakupan dari hasil analisa dari setiap perhitungan.

BAB II

PENGUMPULAN DAN PENGOLAHAN DATA

2.1. PENGUMPULAN DATA

2.1.1. Data Stasiun Kerja, Bill of Material Product (BOM), Operation Process Chart (OPC), Assembly Chart (AC) dan Gambar Produk

1. Data StasiunKerja

Pada proses pengerjaan produk mobil ambulance mainan, ditetapkan tujuh statiun kerja. Diantaranya adalah :

Tabel 2.1 Data stasiunkerja

StasiunKerja Pekerjaan

1 Pengukuran

2 Pembubutan

3 Pengeboran

4 Pemotongan

5 Pengecatan

6 Pemeriksaan

7 Perakitan

2. Bill of Material Product (BOM)

Bill of Material Product (BOM) merupakan definisi produk akhir yang terdiri dari daftar item, bahan, atau material yang dibutuhkan untuk merakit, mencampur atau memproduksi produk akhir. Gambaran dari pohon Bill of Material Product (BOM) dan definisi itemnya ditampilkan pada gambar 2.1 dan table 2.2 dibawah ini.

Gambar 2.1 Bill of material

Berikut adalah tabel Bill of material yaitu :

Tabel 2.2 Bill of material table

Nomor Nama

Karakteristik Material

Jumlah Assembly

Ukuran DiterimaDalamUkuran

Bahan Yang Diterimap L T

1 Landasan 1 15050

20 150x50x20 BalokKayu

2 As Roda 2 Ø10 - 130 10x130 SilinderKayu

3 Roda 4 30 - 60 30x60 SilinderKayu

4 Kepala 1 Ø5050

50 50x50x50 BalokKayu

5 Lampusirine 1 1010

2 10x10x2 Akrilik

6Body

1 100 50

50 100x50x50 BalokKayu

7 Obeng 1 - - - - Besi

8 Skrup 2 - - - - Besi

3. Operation Process Chart (OPC)

Berikut ini adalah gambaran peta proses operasi dari produk mobil ambulance mainan.

Gambar 2.2 Peta Proses Operasi

4. Assembly Chart (AC)

Diagram perakitan komponen – komponen mobil ambulance mainan diperlihatkan pada gambar 2.3 dibawah ini.

Gambar 2.3 Assembly chart

5. Gambar Produk

Gambar 3Dd

2.1.2. Data Pengukuran Waktu Operasi Produk Mobil Ambulance

Dari hasil pengamatan pengukuran waktu pengerjaan produk didapatkan data waktu operasi sebagai berikut.

No Komponen SK Set Up Time Run Time

1 Landasan

1 0: 4: 32 4: 19: 44

3 0: 58: 75 0: 33: 80

5 0: 12: 22 0: 27: 22

6 0: 2: 50 0: 22: 68

2 Ass Roda (2)

2 0: 38: 94 1: 44: 38

4 0: 1: 31 0: 59: 0

5 0: 12: 22 0: 46: 74

6 0: 2: 44 0: 8: 59

3 Roda (4)

2 0: 15: 13 2: 49: 81

5 0: 12: 22 0: 28: 44

6 0: 3: 53 0: 17: 62

4 Kepala

1 0: 4: 32 0: 50: 93

4 0: 22: 16 0: 26: 93

5 0: 12: 22 0: 22: 19

6 0: 2: 60 0: 8: 35

5 Body

1 0: 4: 32 0: 8: 81

5 0: 12: 22 0: 56: 53

6 0: 2: 3 0: 5: 21

6 SA1 7 0: 3: 75 0: 21: 53

7 SA2 7 0: 2: 75 0: 24: 53

8 SA3 7 0: 2: 19 0: 5: 59

9 SA4 7 0: 1: 97 0: 19: 63

10 SA5 7 0: 1: 9 0: 14: 75

Tabel 2.3 Data Waktu Operasi

2.1.3. Rekapitulasi Waktu Operasi Produk Mobil Ambulance

Perhitungan nilai total waktu operasi ( set-up time + run time ) dapat dilihat pada tabel 2.4 di bawah ini.

No Komponen SK Set Up Time Run TimeTotal

(menit)

1 Landasan

1 0: 4: 32 4: 19: 44 4,3963 0: 58: 75 0: 33: 80 1,5435 0: 12: 22 0: 27: 22 0,6576 0: 2: 50 0: 22: 68 0,420

2Ass Roda (2)

2 0: 38: 94 1: 44: 38 2,3894 0: 1: 31 0: 59: 0 1,0055 0: 12: 22 0: 46: 74 0,9836 0: 2: 44 0: 8: 59 0,184

3 Roda (4)2 0: 15: 13 2: 49: 81 3,0825 0: 12: 22 0: 28: 44 0,6786 0: 3: 53 0: 17: 62 0,353

4 Kepala

1 0: 4: 32 0: 50: 93 0,9214 0: 22: 16 0: 26: 93 0,8185 0: 12: 22 0: 22: 19 0,5746 0: 2: 60 0: 8: 35 0,183

5 Body1 0: 4: 32 0: 8: 81 0,2195 0: 12: 22 0: 56: 53 1,1466 0: 2: 3 0: 5: 21 0,125

6 SA1  7 0: 3: 75 0: 21: 53 0,4217 SA2  7 0: 2: 75 0: 24: 53 0,4558 SA3  7 0: 2: 19 0: 5: 59 0,1309 SA4  7 0: 1: 97 0: 19: 63 0,36010 SA5  7 0: 1: 9 0: 14: 75 0,278

Total (menit) 21,316Tabel 2.4 Data RekapitulasiWaktuOperasi

2.1.4. Data FaktorPenyesuaiandanFaktorKelonggaran

Faktor penyesuaian dimaksudkan untuk menjaga kewajaran kerja, sehingga tidak akan terjadi kekurangan waktu karena terlalu idealnya kondisi kerja yang diamati. Faktor penyesuaian dalam pengukuran waktu kerja dibutuhkan untuk menentukan waktu normal dari operator yang berada dalam sistem kerja.

Sedangkan faktor kelonggaran di maksudkan untuk memberi kesempatan kepada operator untuk melakukan hal-hal yang harus dilakukannya, sehingga waktu baku yang diperoleh dapat dikatakan data waktu kerja yang lengkap dan mewakili sistem kerja yang diamati.

Berikut ini adalah tabel dari data faktor penyesuaian dan faktor kelonggaran :

FAKTOR PENYESUAIAN FAKTOR KELONGGARAN

Keterampilan + 0,01 Tenaga yang dikeluarkan 6%

Usaha + 0,03 Sikapkerja 1%

Kondisikerja + 0,02 Gerakankerja 4%

konsistensi + 0,03 Kelelahanmata 1%

Keadaantemperaturtempatkerja 2%

Keadaanatmosfer 2%

Keadaanlingkungan yang baik 2%

Jumlah +0,09 Jumlah 18%

2.1.5. Data Permintaan

Data Permintaan (Demand) yang diketahui data 12 bulan data masa lalu adalah sebagai berikut :

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

Demand 644 616 700 616 644 672 644 644 616 644 700 616

Tabel 2.3 Data Permintaan

2.2. Pengolahan Data

2.2.1. Perhitungan Waktu Baku

1. Waktu Siklus

2. Waktu Normal

3. Waktu Baku

2.2.2. Plotting Data

Dari data permintaan sebelumnya dapat kita plotkan berdasarkan permintaan dan 12 periode yang tersedia seperti pada yang terlihat dalam diagram dibawah ini.

Gambar 2.6 Plotting Data

2.2.3. Metoda Peramalan yang Digunakan

A. Metoda Simple Average ( SA )

Rumus :

T = 2

Periode Demand Peramalan

1 644 -

2 616 644,000

3 700 630,000

4 616 653,333

5 644 644,000

6 672 644,000

7 644 648,666

8 644 648,000

9 616 647,500

10 644 644,000

11 700 644,000

12 616 649,090

646,333

B. Metoda Simple Moving Average

T = 3

Demand Ft + 1

644 -

616 -

700 -

616 644 + 616 + 700 / 3 = 653,333

644 616 + 700 + 616 / 3 = 644

672 700 + 616 + 644 / 3 = 653,333

644 616 + 644 + 672 /3 = 644

644 644 + 672 + 644 /3 = 653,333

616 672 +644 + 644 / 3 = 653,333

644 644 + 644 + 616 / 3 = 634,666

700 634,666

616 653,333

653,333

C. DMA

Periode DtN S't S''t at N-1

2/(N-1) S't - S''t bt m Ft

1 644 2 322 161 483 1 2 161 322 12 2 616 2 630 476 784 1 2 154 308 12 3 700 2 980 966 994 1 2 14 28 12 4 616 2 1288 1610 966 1 2 -322 -644 12 5 644 2 1610 2415 805 1 2 -805 -1610 12 6 672 2 1946 3388 504 1 2 -1442 -2884 12 7 644 2 2268 4522 14 1 2 -2254 -4508 12 8 644 2 2590 5817 -637 1 2 -3227 -6454 12 9 616 2 2898 7266 -1470 1 2 -4368 -8736 12

10 644 2 3220 8876 -2436 1 2 -5656-

11312 12

11 700 2 3570 10661 -3521 1 2 -7091-

14182 12

12 616 2 3878 12600 -4844 1 2 -8722-

17444 12 13 434714 448015 133016 -676217 -1851518 -3410419 -5408220 -7808521 -10630222 -13818023 -17370524 -214172

D .Single Exponential Smoothing

Ft + t = α .Dt + ( 1 – α ) Ft

T = 2

644 -

616 616 . 0,54007 + ( 1- 0,54007 ) . 644 = 628,878

700 700 . 0,54007 + ( 1- 0,54007 ) . 628,878 = 667,288

616 616 . 0,54007 + ( 1- 0,54007 ) . 667,288 = 639,589

644 644 . 0,54007 + ( 1- 0,54007 ) . 639,589 = 641,971

672 672 . 0,54007 + ( 1- 0,54007 ) . 641,971 = 658,188

644 644 . 0,54007 + ( 1- 0,54007 ) . 658,188 = 650,529

644 644 . 0,54007 + ( 1- 0,54007 ) . 650,529 = 647,001

616 616 . 0,54007 + ( 1- 0,54007 ) . 647,001 = 630,258

644 644 . 0,54007 + ( 1- 0,54007 ) . 630,258 = 637,679

700 700 . 0,54007 + ( 1- 0,54007 ) . 637,679 = 671,337

616 616 . 0,54007 + ( 1- 0,54007 ) . 671,337 = 641,451

G. Metode Regresi Linear

X Y X2 X . Y

1 644 1 644

2 616 4 1232

3 700 9 2100

4 616 16 2464

5 644 25 3220

6 672 36 4032

7 644 49 4508

8 644 64 5152

9 616 81 5544

10 644 100 6440

11 700 121 7700

12 616 144 7392

∑ = 78 7756 650 50428

=6,5

=646,333

b =

=

= 0,097902

a = - b

= 646,333 – 0,097902 . 6,5 = 645,697

y1 = a + b ( 1 ) 645,697 + 0,097902 ( 1 ) = 645.7949y2 = a + b ( 2 ) 645,697 + 0,097902 ( 2 ) = 645.8928y3 = a + b ( 3 ) 645,697 + 0,097902 ( 3 ) = 645.9907y4 = a + b ( 4 ) 645,697 + 0,097902( 4 ) = 646.0886y5 = a + b ( 5 ) 645,697 + 0,097902( 5 ) = 646.1865y6 = a + b ( 6 ) 645,697 + 0,097902( 6 ) = 646.2844y7 = a + b ( 7 ) 645,697 + 0,097902( 7 ) = 646.3823y8 = a + b ( 8 ) 645,697 + 0,097902( 8 ) = 646.4802y9 = a + b ( 9 ) 645,697 + 0,097902( 9 ) = 646.5781

y10 = a + b ( 10 ) 645,697 + 0,097902( 10 ) = 646.676y11 = a + b ( 11 ) 645,697 + 0,097902( 11 ) = 646.7739y12 = a + b ( 12 ) 645,697 + 0,097902( 12 ) = 646.8718y13 = a + b ( 13) 645,697 + 0,097902( 13 ) = 646.9697y14 = a + b ( 14) 645,697 + 0,097902( 14 ) = 647.0676y15 = a + b ( 15 ) 645,697 + 0,097902( 15 ) = 647.1655y16 = a + b (16 ) 645,697 + 0,097902( 16 ) = 647.2634

y17 = a + b (17 ) 645,697 + 0,097902( 17 ) = 647.3613y18 = a + b (18 ) 645,697 + 0,97902( 18 ) = 647.4592y19 = a + b ( 19 ) 645,697 + 0,097902( 19 ) = 647.5571y20= a + b (20 ) 645,697 + 0,097902( 20 ) = 647.655y21 = a + b (21 ) 645,697 + 0,097902( 21 ) = 647.7529y22 = a + b (22 ) 645,697 + 0,097902( 22 ) = 647.8508y23 = a + b (23 ) 645,697 + 0,097902( 23) = 647.9487y24= a + b ( 24) 645,697 + 0,097902( 24 ) = 648.0466

2.2.4 Uji Kesalahan Peramalan

1. Metoda Simple Average

Demand

644 --

616-28 784 -28 -2.54545 254.545

700 70 4900 84 7 700

616 -37.3333 1393.777778 -84 -7.63636 763.636

644 0 0 28 2.333333 233.3333

672 28 784 28 2.545455 254.5455

644 -4.66667 21.77777778 -28 -2.33333 233.333

644 -4 16 0 0 0

616 -31.5 992.25 -28 -2.33333 233.333

644 0 0 28 2.545455 254.5455

700 56 3136 56 4.666667 466.6667

-33.0909 1095.008264 -84 -7.63636 763.636

Total 15.40909 13122.81382 -28 -3.39394 339.394

A. Mean Absolute Error (MAE)

B. Mean Squarred Error (MSE)

C. Strandard Deviation Error (SDE)

D. Mean Absolute Persentage Error

2. Single Moving Average

Demand

644 --

616-28 -2.54545 254.545

700 84 7 700

616-37.3333 1393.778

-84 -7.63636 763.636

644 0 0 28 2.333333 233.3333

672 18.66667 348.4444 28 2.545455 254.5455

644 0 0 -28 -2.33333 233.333

644 -9.33333 87.11111 0 0 0

616 -37.3333 1393.778 -28 -2.33333 233.333

644 9.333333 87.11111 28 2.545455 254.5455

700 65.33333 4268.444 56 4.666667 466.6667

-37.3333 1393.778 -84 -7.63636 763.636

Total -28 7578.667 -28 -3.39394 339.394

A. Mean Absolute Error (MAE)

B. Mean Squarred Error (MSE)

C. Strandard Deviation Error (SDE)

D. Mean Absolute Persentage Error

4. Single Exponential Smoothing

Demand

644 --

616-28 784 -28 -2.54545 254.545

700 71.122 5058.339 84 7 700

616 -51.2889 2630.551 -84 -7.63636 763.636

644 4.4107 19.45427 28 2.333333 233.3333

672 30.0286 901.7168 28 2.545455 254.5455

644 -14.1889 201.3249 -28 -2.33333 233.333

644 -6.5259 42.58737 0 0 0

616 -31.0015 961.093 -28 -2.33333 233.333

644 13.7415 188.8288 28 2.545455 254.5455

700 62.3201 3883.795 56 4.666667 466.6667

-55.3371 3062.195 -84 -7.63636 763.636

Total -4.7194 17733.88 -28 -3.39394 339.394

A. Mean Absolute Error (MAE)

B. Mean Squarred Error (MSE)

C. Strandard Deviation Error (SDE)

D. Mean Absolute Persentage Error

7. Regresi Linier

Demand

644-1.7949 3.221673 -

616 -29.8928 893.5797-28 -2.54545 254.545

700 54.00929 2917.004 84 7 700

616 -30.0886 905.3243 -84 -7.63636 763.636

644 -2.18651 4.780826 28 2.333333 233.3333

672 25.71559 661.2915 28 2.545455 254.5455

644 -2.38231 5.67542 -28 -2.33333 233.333

644 -2.48022 6.151471 0 0 0

616 -30.5781 935.0213 -28 -2.33333 233.333

644 -2.67602 7.161083 28 2.545455 254.5455

700 53.22608 2833.015 56 4.666667 466.6667

616 -30.8718 953.0695 -84 -7.63636 763.636

Total-1.7949

10125.3 -28 -3.39394 339.394

A. Mean Absolute Error (MAE)

B. Mean Squarred Error (MSE)

C. Strandard Deviation Error (SDE)

D. Mean Absolute Persentage Error

2.2.5 Pemilihan Metode Peramalan Terbaik

2.2.6 Uji Validasi (Moving Range Test)

2.2.7 Peramalan Dengan Menggunakan Software WinQSB

1. Simple Average

2. Single Moving Average

4. Single Exponential Smoothing

5. Double Exponential Smoothing from Brown

7. Regresi Linier