Tugas Sistem Produksi

TUGAS SISTEM PRODUKSI

LAPORAN PRAKTEK PERAMALAN (FORECASTING)

TERHADAP BOX METER AMR DI TAHUN 2015

Kelompok 7 :

Hedi Septianto 1326201032

Budiman Santoso 12262010

Fajar Saripuddin 1226201031

BAB I

PENDAHULUAN

1.1. Latar Belakang

Perkembangan teknologi dan informasi yang semakin cepat membuat

informasi yang dibutuhkan sekarang ini menjasi semakin mudah untuk didapatkan.

Teknologi dan informasi telah masuk ke dalam semua bidang kehidupan, khususnya

dalam bidang industri. Bidang industri adalah sebuah bidang yang kita lihat

mendapatkan pengaruh paling besar karena berkembang pesatnya teknologi dan

informasi yang berkembang sekarang ini menjadikan industri sebagai pemakai

terbesar dari berkembangnya informasi dan teknologi sekarang ini.

Dalam sebuah bidang industri, perusahaan pasti telah mempunyai tujuan yang

ingin dicapai, salah satu caranya dengan menggunakan sarana teknologi. Sekarang

ini perusahaan sudah dapat memperkirakan mengenai penjualan, permintaan, dll.

Pada masa yang akan datang dengan menggunakan software atau hardware yang ada.

Pada praktek kali ini, penulis akan membahas forecasting terhadap box meter

AMR selama 12 bulan kedepan, yaitu di tahun 2015 mendatang. Box meter AMR

menjadi sebuah hal yang harus ada dalam sebuah pemasangan meter elektronik.

Jumlah meter elektronik yang semakin banyak menyebabkan produksi box meter

harus stabil untuk memenuhi kebutuhan pasar. Maka dari itu, diperlukan juga

peramalan untuk di masa yang akan datang, karena jumlah yang semakin banyak.

Proses peramalan adalah sebuah proses yang salah satunya memegang peranan

penting dalam dunia industri, perusahaan dapat memperkirakan atau meramalkan

berapa banyak produksi yang akan dibuat yang mana hampir sesuai dengan keadaan

di beberapa periode yang akan datang. Peramalan dalam dunia industri adalah sebuah

proses perhitungan atau usaha untuk memperkirakan berapa produk yang akan dibuat

dalam beberapa tahun mendatang.

Tetapi dalam hal ini, seringkali banyak perusahaan yang tidak mengetahui

syarat atau criteria yang dihasilkan pada metode peramalan, khsusnya dengan

menggunakan software seperti winqsb. Selain itu, terkadang banyak pilihan cara

untuk memilih metode peramalan, sehingga perusahaan harus mengetahui metode

apa yang seharusnya digunakan, karena hal tersebut sangat penting untuk melakukan

peramalan agar tidak terjadi kesalahan perhitungan data sesuai dengan kenyataan

yang ada di perusahaannya di masa yang akan datang.

Dari latar belakang diatas, maka penulis akan membahas judul yaitu “Laporan

praktek peramalan (Forecasting) terhadap box meter AMR di tahun 2015.”

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka dalam

laporan ini penulis merumuskan masalah sebagai berikut :

1. Bagaimana syarat atau criteria untuk memilih sebuah metode peramalan ?

2. Bagaimana memilih metode permalan yang harus digunakan ?

1.3. Batasan Masalah

Penulis membatasi masalah dengan mengguanakan metode peramalan

sebanyak 3 buah sebagai metode yang akan dibandingkan hasilnya, yaitu :

1. Metode Moving Average

2. Metode Simple Exponential Smooting

3. Metode Linear Regression

1.4. Tujuan dan Manfaat

Dari rumusan masalah yang telah dipaparkan di atas sebelumnya, maka dapat

dijelaskan tujuan yang ingin dicapai yaitu sebagai berikut :

1. Menjelaskan syarat atau criteria untuk memilih sebuah metode peramalan.

2. Memilih metode permalan yang harus digunakan.

Manfaat yang didapat dari praktek forecasting ini adalah :

1. Mengetahui syarat untuk memilih sebuah metode peramalan.

2. Mengetahui metode peramalan apa yang seharusnya digunakan.

BAB II

LANDASAN TEORI

2.1. Pengertian Peramalan

Peramalan/Perkiraan (Forecasting) adalah meramalkan, memproyeksikan, atau

mengadakan perkiraaan/ taksiran terhadap berbagai kemungkinan yang akan terjadi

sebelum suatu rancana yang lebih pasti dapat dilakukan. Peramalan (forecasting)

adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat

dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke

masa mendatang dengan suatu bentuk model matematis. Hal ini bisa juga merupakan

pediksi intuisi yang bersifat subjektif. Hal ini pun dapat dilakukan dengan

menggunakan kombinasi model matematis yang disesuakan dengan pertimbangan

yang baik dari seorang manager. Setelah mengenal beberapa teknik peramalan, anda

akan melihat bahwa tidak ada satu metode tunggal yang paling unggul. Sesuatu yan

berjalan dengan baik di suatu perusahaan pada suatu set kondisi tertentu mungkin

bisa menjadi bencana bagi organisasi lain, bahkan pada departemen yang berada di

perusahaan yang sama. Selain itu, anda akan melihat keterbatasan dari apa yang

dapat anda harapkan dari suatu peramalan. Hanya sedikit bisnis yang dapat

menghindari proses peramalan dan hanya menunggu apa yang terjadi untuk

kemudian mengambil kesempatan. Perencanaan yang efektif baik untuk jangka

panjang maupun pendek bergantung pada peramalan permintaan untuk produk

perusahaan. Peramalan (Forecasting), merupakan kegiatan memprediksi nilai-nilai

sebuah variabel berdasarkan nilai yang diketahui dari variabel tersebut atau variabel

yang berhubungan. Terdapat dua macam metode yaitu metode kualitatif dan metode

kuantitatif.

2.2. Kegunaan Peramalan

Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka

atau bilangan yang harus dipergunakan begitu saja. Penggunaannya masih

memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil

ramalan biasanya didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah

seperti waktu sebelumnya. Berikut ini adalah manfaat dari peramalan :

1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan

secara tepat.

2. Merupakan suatu pedoman dalam menentukan tingkat persediaan

perencanaan dapat sebagai masukan untuk penentuan jumlah investasi.

3. Membantu menentukan pengembangan suatu pekerjaan untuk periode

selanjutnya.

2.3. Jenis Peramalan

Berikut ini adalah beberapa jenis peramalan yang dipakai, seperti :

1. Peramalan Ekonomi (economic forecast) menjelaskan siklus bisnis dengan

memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan

untuk membangun perumahan dan indicator perencanaan lainnya.

2. Peramalan Terknologi (technological forecast) memperhatikan tingkat

kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,

yang membutuhkan pabrik dan peralatan baru.

3. Peramalan Permintaan (demand forecast) adalah proyeksi permintaan

untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga

peramalan penjualan, yang mengendalikan produksi, kapasitas, serta

sistem penjadwalan dan menjadi input bagi perencanaan keuangan,

pemasaran dan sumber daya manusia.

2.4. Sifat-Sifat Peramalan

Dibawah ini adalah sifat-sifat dari peramalan, yaitu :

1. Peramalan yang subyektif yaitu Peramalan yang didasarkan atas perasaan

( instuisi ) dari orang yang menyusunnya.

2. Peramalan yang obyektif yaitu Peramalan yang didasarkan atas data – data

pada masa lalu dengan menggunakan metode–metode dalam

penganalisaan data tersebut.

3. Peramalan kualitatif yaitu Peramalan yang didasarkan atas data kualitatif

pada masa lalu, hasil peramalan tergantung pada orang yang

menyusunnya.

4. Peramalan kuantitatif yaitu Peramalan yang didasarkan atas data

kuantitatif pada masa lalu, hasilnya tergantung pada metode yang

digunakan.

2.5. Metode Peramalan yang digunakan

Pada pembatasan masalah, penulis telah membatasi sebanyak tiga metode

yang digunakan. Berikut ini adalah penjelasan dari ketiga metode yang digunakan

tersebut.

1. Moving Average

Model rata-rata bergerak menggunakan sejumlah data aktual permintaan

yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa

yang akan datang. metode rata-rata bergerak akan efektif diterapkan

apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang

waktu. Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak

tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak

(Weight Moving Averages). Model rata-rata bobot bergerak lebih

responsif terhadap perubahan karena data dari periode yang baru biasanya

diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai

berikut.

2. Single Exponential Smooting

Pola data yang tidak stabil atau perubahannya besar dan bergejolak

umumnya menggunakan model pemulusan eksponensial (Exponential

Smoothing Models). Metode Single Exponential Smoothing lebih cocok

digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak

teratur).

3. Metode Regresi Linier

Model analisis Regresi Linier adalah suatu metode populer untuk berbagai

macam permasalahan. Menurut Harding (1974) dua variabel yang

digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu

sama lain dan bersifat linier. Regresi linier secara aktual menggambarkan

sebuah garis lurus dari nilai-nilai yang terbentuk dari hubungan dua

variabel yaitu variabel bebas ( periode waktu) dan variabel tak bebas

( dapat berupa permintaan, jika data permintaan produk.). Persamaan garis

lurus tersebut dapat dinyatakan dalam persamaan berikut ini: Y’(t)= a + bx

BAB III

PENGUMPULAN DAN PENGOLAHAN DATA

3.1. Pengumpulan Data

Proses pengumpulan data dilakukan dengan mengambil data berupa data

produksi meteran box AMR selama 12 bulan kebelakang yaitu data produksi box

meter AMR di tahun 2014, dan didapati data produksi adalah sebagai berikut, yang

mana selanjutnya akan diolah dengan menggunakan modul forecasting dari software

winqsb.

Tabel 3.1 Jumlah produksi box meter AMR selama 12 bulan di tahun 2014

Tambahan keterangan : N : 4 α : 0.5

Selanjutnya data tersebut akan diolah dengan menggunakan tiga metode yang

sudah ditentukan yang terdapat pada software winqsb, yaitu :

1. Metode Moving Average (MA)

2. Metode Simple Exponential Smooting (SES)

3. Metode Linier Regresion (LR)

3.1. Pengolahan Data

Bulan Banyaknya Produksi (Buah)

1 1500

2 1600

3 1700

4 1800

5 1900

6 2000

7 980

8 1000

9 1200

10 1300

11 1500

12 1990

Proses selanjutnya adalah pengolahan data dengan menggunakan sofware

winqsb. Tujuan dari pengolahan data ini bertujuan untuk mencari tahu metode yang

cocok yang digunakan untuk proses peramalan selama 12 bulan ke depan. Dalam

pengolahan data ini akan didapat hasil metode yang mana yang seharusnya

digunakan dari tiga metode yang sudah ditentukan sebelumnya.

3.2.1. Metode Moving Average

Berikut ini adalah tampilan pengolahan dengan menggunakan metode

moving average.

Gambar 3.2.1.1 Hasil pengolahan dalam bentuk tabel

Gambar 3.2.1.1 Hasil pengolahan dalam bentuk grafik

Dari pengolahan data tersebut maka didapati hasil sebagai berikut :

Metode Moving Average

Hasil Nilai

MAD 429.375

MSE 261965.6

MAPE 33.35466

Tabel 3.2.1.1 Hasil dari metode moving average

3.2.2. Metode Simple Exponential Smooting

Berikut ini adalah pengolahan data dengan menggunakan metode

Simple Exponential Smooting.



Dari pengolahan data tersebut maka didapati hasil sebagai berikut :

Metode SES

Hasil Nilai

MAD 285.3214

MSE 147853.2

MAPE 21.67486

Tabel 3.2.2.1 Hasil dari metode SES

3.2.3. Metode Liner Regression (LR)

Ini merupakan metode terakhir yang digunakan untuk melakukan

pengolahan data sebelum membandingkan data akhir dari ketiga metode ini

yang nantinya metodenya seharusnya digunakan dalam proses peramalan

selama 12 bulan ke depan.



Dari pengolahan data, terlihat garis putus-putus di tengah perbandingan dari

data actual dan peramalan data maka didapati hasil sebagai berikut :

Metode LR

Hasil Nilai

MAD 281.6958

MSE 114821.6

MAPE 20.34825

Tabel 3.2.1.1 Hasil dari metode LR

3.2. Hasil Pengolahan Data dan Pemilihan Metode yang Digunakan

Setelah melakukan pengolahan data dengan ketiga metode tersebut, maka kita

dapat membandingkan nilai MAD, MSE, dan MAPE yang didapat dari ketiga cara

tersebut untuk menentukan metode yang akan digunakan. Berikut adalah hasil

perbandingan dari ketiga metode tersebut.

METODE MAD MSE MAPE

MA 429.375 261965.6 33.35466

SES 285.3214 147853.2 21.67486

LR 281.6958 114821.6 20.34825

Tabel 3.3.1 Tabel perbandingan

Setelah dilakukan perbandingan hasil seperti yang tertera pada tabel diatas,

maka diperoleh kesimpulan bahwa metode yang seharusnya digunakan untuk

melakukan peramalan adalah metode linear regression, dengan alasan :

Metode LR memiliki nilai MAD, MSE, dan MAPE yang paling kecil dari

ketiga metode yang digunakan. Yang mana itu adalah kriteria untuk

pemilihan sebuah metode yang seharusnya digunakan unruk proses

peramalan tersebut.

Nilai aktual yang didapat dari metode LR yang kecil daripada metode

lainnya menjadikan ketepatan peramalan metode ini lebih baik dan

memiliki kesalahan peramalan yang kecil.

BAB IV

ANALISIS DAN KESIMPULAN

4.1. Analisis

Dari hasil pengolahan data yang diperoleh dengan ketiga metode yang telah

dijelaskan sebelumnya, maka dapat disimpulkan hasil analisa yang didapat adalah :

1. Dari percobaan diatas maka dapat diketahui nilai dari MAD, MSE, dan

MAP dari masing-masing metode peramalan.

2. Metode LR memilki nilai MAD, MSE, dan MAP yang paling rendah

diantara ketiganya, yang mana artinya ini adalah metode yang seharusnya

digunakan untuk peramalan selama periode 12 bulan ke depan. Sedangkan

metode SES tidak cocok digunakan karena nilai MAD, MSE, dan MAP

nya masih lebih tinggi dari metode LR.

4.2. Kesimpulan

Dari hasil analisis diatas, maka kesimpulan yang didapat dari hasil percobaan

metode peramalan tersebut adalah :

1. Diketahuinya nilai masing-masing MAD, MSE, dan MAP yang digunakan

dalam metode peramalan tersebut sebagai acuan dalam memlilih metode

yang seharusnya dipilih.

2. Metode yang seharusnya digunakan adalah metode LR karena nilai MAD,

MSE, dan MAP adalah yang paling rendah diantara ketiga metode

tersebut.

Tugas Sistem Produksi

Documents

Transcript of Tugas Sistem Produksi