tugas akhir - Politeknik ATI Makassar

47
PENERAPAN METODE PERAMALAN DALAM MENENTUKAN JUMLAH PRODUKSI BENIH UDANG VANNAMEI PADA PT. ESAPUTLII PRAKARSA UTAMA DI KABUPATEN BARRU TUGAS AKHIR OLEH: ILHAM PERDANA 18TIA401 Diajukan untuk memenuhi sebagai persyaratan guna menyelesaikan program diploma tiga Jurusan/Program Studi Teknik Industri Agro KEMENTERIAN PERINDUSTRIAN R.I POLITEKNIK ATI MAKASSAR 2021

Transcript of tugas akhir - Politeknik ATI Makassar

PENERAPAN METODE PERAMALAN DALAM MENENTUKAN JUMLAH PRODUKSI BENIH UDANG VANNAMEI PADA

PT. ESAPUTLII PRAKARSA UTAMA DI KABUPATEN BARRU

TUGAS AKHIR

OLEH:

ILHAM PERDANA

18TIA401

Diajukan untuk memenuhi sebagai persyaratan guna menyelesaikan program diploma tiga

Jurusan/Program Studi Teknik Industri Agro

KEMENTERIAN PERINDUSTRIAN R.I POLITEKNIK ATI MAKASSAR

2021

ii

HALAMAN PERSETUJUAN

JUDUL : PENERAPAN METODE PERAMALAN DALAM

MENENTUKAN JUMLAH PRODUKSI BENIH

UDANG VANNAMEI PADA PT. ESAPUTLII

PRAKARSA UTAMA DI KABUPATEN BARRU

NAMA MAHASISWA : ILHAM PERDANA

NOMOR STAMBUK : 18TIA401

JURUSAN : TEKNIK INDUSTRI AGRO

Menyetujui,

Pembimbing I

Drs. H. Abdul Samad, MM NIP. 19591231 198503 1 039

Pembimbing II

Ir. Muhammad Basri, MM., IPM., AE. NIP. 19680406 199403 1 003

Mengetahui,

Direktur Politeknik ATI Makassar

Ir. Muhammad Basri, MM., IPM., AE. NIP. 19680406 199403 1 003

Ketua Jurusan Teknik Industri Agro

Dr. Widya Hastuti Afris, S. ST., MM NIP. 19780125 200112 2 002

iii

HALAMAN PENGESAHAN

Telah diterima oleh Panitia Ujian Akhir Program Diploma Tiga (D3) yang ditentukan

sesuai dengan Surat Keputusan Direktur Politeknik ATI Makassar Nomor: 562 tanggal 5

April 2021 yang telah dipertahankan di depan Tim Penguji pada hari Kamis tanggal 24

Juni 2021 sebagai salah satu syarat memperoleh gelar Ahli Madya (A.Md) Teknik

Industri dalam program studi Teknik Industri Agro Pada Politeknik ATI Makassar.

PANITIA UJIAN:

Pengawas : 1. Kepala BPSDMI Industri Kementerian Perindustrian R.I.

2. Direktur Politeknik ATI Makassar

Ketua : Drs. Haruddin, MM. (…………………………..………)

Sekretaris : Della Ginza Ramadhan, ST., MT. (…………………………..………)

Penguji I : Drs. Haruddin, MM. (…………………………..………)

Penguji II : Della Ginza Ramadhan, ST., MT. (……………………….…………)

Penguji III : Dr. Widya Hastuti Afris, S.ST., MM. (…………………………………..)

Pembimbing I : Drs. H. Abdul Samad, MM. (………………………............)

Pembimbing II : Ir. Muhammad Basri, MM., IPM., AE. (…………………………….…..)

iv

PERNYATAAN KEASLIAN TUGAS AKHIR

Saya yang bertanda tangan dibawah ini:

Nama : Ilham Perdana

NIM : 18TIA401

Jurusan : Teknik Industri Agro

Menyatakan bahwa tugas akhir yang saya buat benar-benar merupakan hasil

karya saya sendiri. Apabila dikemudian hari terbukti dan dapat dibuktikan sesuai

dengan hukum yang berlaku di Negara Republik Indonesia bahwa tugas akhir saya

adalah hasil karya orang laim, maka saya bersedia menerima sanksi atas

perbuatan tersebut tanpa melibatkan institusi Politeknik ATI Makassar atau orang

lain.

Makassar, April 2021

Yang Menyatakan,

Ilham Perdana

v

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT karena dengan rahmat

dan karunia-Nya, sehingga penulis dapat menyelesaikan tugas akhir yang berjudul

“Penerapan Metode Peramalan Dalam Menentukan Jumlah Produksi Benih

Udang Vannamei Pada PT. Esaputlii Prakarsa Utama Di Kabupaten Barru” yang

disusun untuk memenuhi salah satu syarat kelulusan studi program Diploma III

pada Program Studi Teknik Industri Agro di Politeknik ATI Makassar.

Dalam penyusunan tugas akhir ini, penulis menyadari sepenuhnya bahwa

selesainya tugas akhir ini tidak terlepas dari dukungan, semangat, serta

bimbingan dari berbagai pihak, baik bersifat moril maupun material, oleh

karenanya, penulis ingin menyampaikan ucapan terimakasih antara lain kepada :

1. Kedua orang tua dan saudari penulis yang senantiasa memberikan doa dan

dukungan dalam menyelesaikan tugas akhir.

2. Bapak Ir. Muhammad Basri, MM., IPM., AE selaku Direktur Politeknik ATI

Makassar sekaligus pembimbing II.

3. Ibu Dr. Widya Hastuti Afris, S. ST., MM selaku Ketua Jurusan Teknik Industri

Agro Politeknik ATI Makassar.

4. Bapak Drs. H. Abdul Samad, MM selaku pembimbing I yang telah banyak

membantu penulis dalam penyelesaian tugas akhir ini.

vi

5. Ibu Dr.Hj. Arminas, ST, MM., IPM., AE selaku penasihat akademik yang telah

membantu dan membimbing terutama dalam bidang akademik.

6. Pak Sukiman S. Pi selaku pembimbing lapangan dan seluruh karyawan di PT.

Esaputlii Prakarsa Utama yang telah membimbing dan membagi ilmunya

serta memberikan saran dan masukan dalam penyelesaian tugas akhir ini.

7. Seluruh dosen yang telah memberikan ilmu pengetahuan dari awal hingga

akhir studi penulis di Politeknik ATI Makassar.

8. Selaku teman seperjuangan selama perkuliahan dan menyelesaikan tugas

akhir seluruh teman kelas dual system.

9. Bapak Mahsum, Ibu Rahmatia Nur Aliah Tampa, dan Muthia Aulia Rahima.

Tugas Akhir (TA) ini disusun dengan sebaik-baiknya, namun penulis mengakui

masih terdapat kekurangan dalam penyusunan tugas akhir ini, oleh karena itu

saran dan kritik yang sifatnya membangun dari semua pihak sangat diharapkan

bagi penulis, tidak lupa harapan penulis semoga laporan tugas akhir ini dapat

bermanfaat bagi pembaca serta dapat menambah ilmu pengetahuan bagi kami.

Makassar, April 2021

Ilham Perdana

vii

ABSTRAK

ILHAM PERDANA, 2021. Penerapan Metode Peramalan Dalam Menentukan Jumlah Produksi Benih Udang Vannamei Pada PT. Esaputlii Prakarsa Utama Di Kabupaten Barru. Dibawah bimbingan bapak H. Abdul Samad selaku pembimbing I dan bapak Muhammad Basri selaku pembimbing II.

PT. Esaputlii Prakarsa Utama merupakan perusahaan yang bergerak dalam bidang budidaya perairan dan perikanan yang memproduksi benih udang vannamei. Dalam melakukan produksi diperlukan perencanaan yang baik untuk memenuhi kebutuhan konsumen, ketika memproduksi benih udang terdapat produksi yang berlebih karena proses penjualan dilakukan ketika ada pembeli yang datang atau memesan secara langsung. Jika tidak ada pembeli, maka benih udang vannamei tidak akan dijual, sehingga benih akan melewati batas usia yang telah ditentukan kemudian dibuang. Hal tersebut diakibatkan oleh perencanaan yang kurang tepat untuk memenuhi kebutuhan konsumen, karena pada PT. Esaputlii Prakarsa Utama sebelumnya hanya menggunakan estimasi untuk menentukan jumlah produksi benih udang vannamei, salah satu caranya yaitu perusahaan menerapkan metode peramalan produksi benih udang vannamei.

Tujuan diadakan penelitian ini adalah untuk mengetahui metode peramalan yang tepat untuk menentukan jumlah produksi benih udang vannamei pada PT. Esaputlii Prakarsa Utama. Jenis penelitian yang digunakan adalah penelitian deskriptif, dengan membandingkan dua metode peramalan yaitu metode Moving Average dan Exponential Smoothing. Berdasarkan kedua metode tersebut dengan bantuan aplikasi QM For Windows V5 didapatkan peramalan yang tepat yaitu menggunakan metode Moving Average, karena memiliki nilai tingkat akurasi kesalahan terkecil dengan nilai MAD= 25.951,34 bungkus, MSE= 1.134.011.000 bungkus, MAPE= 12,72 % dan nilai peramalan pada bulan selanjutnya bulan November 2020 yaitu sebanyak 176.492,1 bungkus.

Kata kunci: Peramalan, Moving Average, Exponential Smoothing.

viii

DAFTAR ISI

HALAMAN JUDUL .......................................................................................... ....... i HALAMAN PERSETUJUAN .............................................................................. ...... ii HALAMAN PENGESAHAN ............................................................................... ..... iii PERNYATAAN KEASLIAN TUGAS AKHIR .......................................................... ..... iv KATA PENGANTAR ......................................................................................... ...... v ABSTRAK ....................................................................................................... .... vii DAFTAR ISI..................................................................................................... ... viii DAFTAR TABEL ............................................................................................... ..... ix DAFTAR GAMBAR .......................................................................................... ...... x BAB I PENDAHULUAN .................................................................................... ......1

1.1. Latar Belakang .......................................................................................... ...... 1 1.2. Rumusan Masalah ................................................................................... ...... 4 1.3. Tujuan Penelitian ..................................................................................... ...... 4 1.4. Manfaat Penelitian .................................................................................. ...... 5

BAB II TINJAUAN PUSTAKA ............................................................................ ......6 2.1. Perencanaan dan Pengendalian Produk .................................................. ...... 6 2.2. Peramalan ................................................................................................ ...... 7 2.3. Pola Data .................................................................................................. .... 12 2.4. Metode Moving Average ......................................................................... .... 14 2.5. Metode Exponential Smoothing .............................................................. .... 16 2.6. Pengukuran Hasil Akurasi Peramalan ........................................................... 17 2.7. Kerangka Berpikir .......................................................................................... 20

BAB III METODE PENELITIAN ............................................................................. 21 3.1. Tempat dan Waktu ...................................................................................... 21 3.2. Alat dan Bahan ............................................................................................ 21 3.3. Jenis Penelitian ............................................................................................ 22 3.4. Teknik Pengumpulan Data .......................................................................... 22 3.5. Analisa Data ................................................................................................. 23

BAB IV HASIL DAN PEMBAHASAN ....................................................................... 24 4.1. Pengumpulan Data ........................................................................................ 24 4.2. Pengolahan Data ........................................................................................... 25 4.3. Pembahasan .................................................................................................. 31

BAB V KESIMPULAN DAN SARAN ...................................................................... 34 5.1. Kesimpulan .................................................................................................. 34 5.2. Saran ........................................................................................................... 34

DAFTAR PUSTAKA ............................................................................................ 35

ix

DAFTAR TABEL

Tabel 4.1 Data Penjualan Benih Udang Vannamei ................................................... 24 Tabel 4.2 Hasil Detail and Error Analysis Moving Average ........................................ 26 Tabel 4.3 Error Measures Moving Average .............................................................. 27 Tabel 4.4 Hasil Detail and Error Analysis Exponential Smoothing ............................. 29 Tabel 4.5 Error Measures Exponential Smoothing ................................................... 30 Tabel 4.6 Perbandingan Hasil Peramalan ............................................................... 32

x

DAFTAR GAMBAR

Gambar 2.1 Pola Data Siklus ..................................................................................... 13 Gambar 2.2 Pola Data Musiman ............................................................................... 13 Gambar 2.3 Pola Data Horizontal ............................................................................. 14 Gambar 2.4 Pola Data Trend .................................................................................... 14 Gambar 2.5 Kerangka Berfikir ................................................................................... 20 Gambar 4.1 Grafik Penjualan Benih Udang Vannamei ............................................. 25 Gambar 4.2 Grafik Metode Moving Average ........................................................... 28 Gambar 4.3 Grafik Metode Exponential Smoothing ................................................. 31

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Perikanan adalah salah satu sektor yang diandalkan untuk pembangunan

industri nasional. Pada tahun 2019, nilai ekspor hasil perikanan Indonesia

mencapai Rp 73.681.883.000 dimana nilai tersebut naik 10.1% dari hasil ekspor

tahun 2018. Hasil laut seperti udang, tuna, cumi-cumi, gurita, rajungan serta

rumput laut merupakan komoditas yang dicari. Banyaknya hasil produksi

perikanan di Indonesia perlu dipertahankan dan dijaga (Nawawi, 2019).

Faktor yang dapat mendorong pertumbuhan dan perkembangan suatu

industri disebabkan karena kebutuhan manusia akan barang dan jasa.

Pemenuhan kebutuhan manusia sehari-hari berupa barnag dan jasa dihasilkan

dari kegiatan industri. Kegiatan produksi atau pengolahan barang dan jasa dalam

industri membutuhkan manusia. Peningkatan jumlah penduduk yang semakin

meningkat setiap tahunnya menyebabkan kebutuhan barang dan jasa juga

semakin meningkat. Faktor lain yang menyebabkan perkembangan industri

adalah keinginan dari pihak penyedia barang dan jasa atau produsen agar

memperoleh pendapatan dan keuntungan.

Untuk mengatasi hal tersebut perusahaan perlu membuat perencanaan yang

optimal baik perencanaan produksi maupun perencanaan permintaan.

Perencanaan permintaan secara umum dikenal dengan istilah peramalan atau

2

forecasting. Peramalan adalah perhitungan yang objektif dan dengan

menggunakan data-data permintaan dimasa lampau untuk menentukan suatu

permintaan dimasa depan atau yang akan datang (Sumayang, 2003).

Peramalan yang penting dilakukan dalam perusahaan yaitu permintaan

produk dari konsumen. Dengan mengetahui permintaan dari konsumen, maka

dapat membantu perusahaan dalam menentukan jumlah produk yang

seharusnya diproduksi.

PT. Esaputlii Prakarsa Utama merupakan perusahaan yang bergerak dalam

bidang budidaya perairan dan perikanan yang memproduksi benur (benih udang).

PT. Esaputlii Prakarsa Utama berlokasi di Jl. Poros Makassar-Parepare KM. 138

Kelurahan Mallawa Kecamatan Mallusetasi Kabupaten Barru Sulawesi Selatan.

Dalam proses produksi sering ditemui produk berlebih dimana pada setiap

bulannya saat melakukan produksi banyak benih udang vannamei yang tersisa

sebanyak 2000 sampai 7000 bungkus dengan total dari bulan November 2019

sampai dengan Oktober 2020 adalah sebanyak 56.521 bungkus.

Proses produksi benih udang vannamei dimulai dengan bagian produksi atau

larva meminta supply naupli (telur udang vannamei) dari bagian induk untuk

dipindahkan ke dalam bak dibagian produksi sebanyak 2,7 juta naupli. Selama

dua minggu benih udang vannamei diberikan nutrisi agar berkembang biak sesuai

dengan standar yang telah ditentukan sebelum siap untuk dipanen. Jumlah benih

udang vannamei yang siap dipanen dalam waktu dua minggu berkisar satu juta

ekor dalam satu bak hal ini disebabkan penyakit necrosis. Setelah berumur dua

3

minggu udang dipanen, proses pemanenan benih udang vanamei dilakukan

ketika ada pembeli yang datang atau memesan secara langsung. Jika tidak ada

pembeli, maka benih udang vannamei tidak akan dijual. Sehingga yang terjadi

adalah dari hasil produksi tersebut menyisakan sekitar 3-7 bak benih udang

vannamei, benih yang tersisa tersebut tidak dapat dijual karena sudah melewati

batas usia atau standar yang ditetapkan oleh perusahaan dan benih yang tersisa

tersebut harus dibuang, dari permasalahan tersebut menyebabkan kerugian yang

sangat besar bagi perusahaan salah satunya kerugian pakan.

Penelitian tentang perbandingan peramalan penjualan produk aknil PT.

Sunthi Sepuri menggunakan metode single moving average dan single

exponential smooting yang dilakukan oleh Hudaningsih Nurul dkk (2020). PT.

Sunthi Sepuri adalah perusahaan Pharmaceutical manufacture atau perusahaan

yang bergerak di pembuatan obat-obatan. Pada penelitian ini menunjukan bahwa

PT. Sunthi Sepuri sering mengalami kesalahan peramalan dari pihak marketing.

Hal ini menyebabkan ketidakpastian jumlah produksi sehingga dapat

menyebabkan produktifitas karyawan menurun karena meningkatnya jumlah

produksi sewaktu-waktu. Penggunaan kedua metode tersebut untuk

membandingkan kedua metode peramalan yang paling akuran dan mendekati

nilai aktual. Metode penelitian yang digunakan mulai dari pengumpulan data

historis, penentuan metode peramalan, perhitungan peramalan, penentuan

metode terbaik dan penarikan kesimpulan. Berdasarkan hasil pengujian bahwa

4

metode yang digunakan untuk menganalisis data yang memiliki tingkat kesalahan

paling kecil adalah metode Single Moving Average.

Oleh karena itu diperlukan perencanaan yang baik oleh PT. Esaputlii Prakarsa

Utama dalam menentukan permintaan benih udang. Salah satu cara untuk

mengatasi masalah tersebut adalah dengan peramalan permintaan benih udang

vannamei untuk dapat menanggapi naik ataupun turunnya permintaan pasar dan

dapat meminimalisir kemungkinan terjadinya produksi yang berlebih. Tanpa

adanya peramalan maka kemungkinan terjadinya perubahan-perubahan drastis

terhadap permintaan benih udang vannamei tidak diikuti dengan kesiapan PT.

Esaputlii Prakarsa Utama dalam berbagai hal, seperti biaya maupun persediaan

yang harus dilakukan. Berdasarkan latar belakang tersebut penulis mengambil

judul “Penerapan Metode Peramalan Dalam Menentukan Jumlah Produksi

Benih Udang Vannamei Pada PT. Esaputlii Prakarsa Utama Di Kabupaten Barru”

1.2 Rumusan Masalah

Berdasarkan latar belakang tersebut, maka rumusan masalah yang dapat

dirumuskan dalam penelitian ini adalah:

Bagaimana menentukan jumlah produksi benih udang vannamei melalui metode

peramalan pada PT. Esaputlii Prakarsa Utama?

1.3 Tujuan Penelitian

Adapun tujuan yang hendak dicapai dari penelitian ini yaitu:

5

Untuk menentukan jumlah produksi benih udang vannamei melalui metode

peramalan pada PT. Esaputlii Prakarsa Utama.

1.4 Manfaat Penelitian

Dari hasil penilitian tersebut diperoleh manfaat sebagai berikut:

a. Penulis

1. Untuk menambah pengetahuan baik secara langsung maupun tidak

langsung agar lebih memahami teori-teori yang didapat selama kuliah dan

penerapan.

2. Untuk menambah pengetahuan dan pengalaman bagi penulis terutama

dalam bidang pengetahuan sistem penjualan dan peramalan.

b. Perusahaan

Hasil dari penelitian ini diharapkan dapat menjadi pertimbangan ataupun

alternatif dari peramalan benih udang vannamei untuk tahun yang akan

datang sebagai bahan dalam memasarkan produknya.

c. Akademik

Hasil dari penelitian ini diharapkan dapat menjadi tambahan referensi

penerapan keilmuan dibidang Teknik Industri sekaligus menjadi tambahan

koleksi tugas akhir dibidang sistem penjualan dan peramalan untuk kebutuhan

produk.

6

BAB II

TINJAUAN PUSTAKA

2.1 Perencanaan dan Pengendalian Produk

Perencanaan Produksi merupakan aktivitas mengevaluasi fakta di masa lalu

dan sekarang serta mengantisipasi perubahan dan kecenderungan di masa

mendatang untuk menentukan strategi dan penjadwalan produksi yang tepat

guna mewujudkan sasaran memenuhi permintaan secara efektif dan efisien,

sedangkan pengendalian produksai adalah aktivitas mengendalikan dan

memastikan seluruh rangkaian aktivitas yang telah direncanakan agar terlaksana

sesuai dengan target dan sasaran yang ditetapkan sekalipun terdapat beberapa

perubahan dan penyesuaian yang terjadi (Agustina, 2018).

Perencanaan dan pengendalian produksi merupakan aktivitas merencanakan

serta mengendalikan material masuk dalam sistem produksi (baik bahan baku

maupun bahan pembantu) mengalir dalam sistem produksi (menjadi komponen

atau assembly), dan keluar dari sistem produksi (berupa produk jadi atau spare

parts) sehingga permintaan dapat dipenuhi dengan efektif dan efisien (tepat

jumlah, tepat waktu penyerahan dan biaya produksi yang minimum) (Agustina,

2018).

Fungsi dari Production Planning and Inventory Control (PPIC) dapat di uraikan

sebagai berikut (Agustina, 2018):

a. Membuat peramalan demand produk.

7

b. Mengontrol demand aktual, membandingkan dengan ramalan demand

sebelum dan melakukan pengubahan dari ramalan itu.

c. Menetapkan ukuran pesanan barang yang efisien untuk bahan baku yang akan

dibeli.

d. Menetapkan sistem persediaan yang efisien.

e. Menetapkan kebutuhan dan tingkat persediaan produksi pada waktu tertentu.

f. Mengontrol tingkat persediaan, membandingkan rencana persediaan, dan

m`elakukan pengaturan rencana produksi pada waktu yang ditentukan.

g. Menerapkan jadwal produksi, penugasan, dan pembebanan mesin serta

tenaga kerja yang mendetail.

h. Merencanakan perencanaan kapasitas meliputi perencanaan jangka panjang,

jangka menengah, dan jangka pendek untuk mendapatkan rencana jadwal

produksi yang meliputi rencana jadwal kebutuhan fasilitas produksi.

2.2 Peramalan (Forecasting)

2.2.1 Pengertian Peramalan

Peramalan merupakan gambaran tentang suatu perusahaan dimasa yang

akan datang dimana gambaran tersebut sangat penting bagi perusahaan,

karena dengan gambaran tersebut perusahaan dapat menentukan apa saja

yang harus dilakukan dimasa yang akan datang salah satu contohnya yaitu

menentukan jumlah produksinya (Gaspersz, 2005).

Berikut pengertian peramalan menurut para ahli:

8

a. Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi

bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat

signifikan. Peramalan msenjadi dasar bagi perencanaan jangka panjang

perusahaan (Murahartawaty, 2009).

b. Peramalan adalah masukan/input dasar dalam proses pengambilan

keputusan dari manajemen operasi karena permalaan memberikan

informasi dalam perimintaan dimasa yang akan datang (Stevenson dan

Chuong, 2014).

c. Peramalan adalah prediksi, proyeksi, atau estimasi terjadinya suatu

kejadian atau aktivitas yang tidak pasti dimasa depan. Karena masa

depan sangat sulit dipastikan, maka diperlukan sistem forecast, baik

secara implisit ataupun eksplisit (Agustina, 2018).

d. Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha

memperkirakan penjualan dan penggunaan produk sehingga produk-

produk itu dapat dibuat dalam kuantitas yang tepat (Gesperz, 2005).

e. Peramalan merupakan suatu kegiatan memperkirakan atau

memprediksikan kejadian dimasa yang akan datang tentunya dengan

bantuan penyusunan rencana terlebih dahulu, dimana rencana ini dibuat

berdasarkan kapasitas dan kemampuan permintaan/produksi yang telah

dilakukan diperusahaan (Sofyan, 2013).

Dari beberapa pengertian tersebut dapat ditarik kesimpulan bahwa

peramalan merupakan suatu fungsi bisnis yang berfungsi memperkirakan

9

jumlah estimasi dimasa depan pada suatu perusahaan dalam menentukan

jumlah produksi dengan menggunakan data dimasa lalu untuk memenuhi

kebutuhan konsumen.

2.2.2 Tujuan Peramalan

Tujuan peramalan adalah sebagai pengkaji kebijakan perusahaan yang

berlaku disaat ini dan dimasa lalu dan juga melihat sejauh mana pengaruh

dimasa datang, Peramalan dibutuhkan karena terdapat time lag atau delay

antara ketika suatu kebijakan perusahaan ditetapkan dengan ketika

implementas, Peramalan adalah dasar penyusutan bisnis di suatu perusahaan

sehinga bisa meningkatkan efektivitas sebuah rencana bisnis (Heizer dan

Render, 2009). Tujuan peramalan adalah untuk meramalkan permintaan dari

item-item independent demand di masa yang akan datang (Gaspersz, 2005).

2.2.3 Tahap-Tahap Peramalan

Untuk melakukan peramalan yang baik, sebelum melakukan peramalan

ada beberapa tahap-tahap untuk melakukan peramalan, ada enam tahap

peramalan, yaitu (Render dan Heizer, 2009):

1. Menentukan tujuan Peramalan.

2. Memilih unsur apa yang akan diramal.

3. Menentukan horison waktu peramalan (pendek, menengah, atau

panjang).

4. Memilih tipe model peramalan.

10

5. Mengumpulkan data yang di perlukan untuk melakukan peramalan.

6. Memvalidasi dan menerapkan hasil peramalan.

2.2.4 Jenis-Jenis Peramalan

Jika dilihat dari jangka waktu ramalan yang telah disusun, maka ramalan

dapat dibedakan menjadi 3, yaitu: (Render dan Heizer, 2009)

a. Short term forecasting (peramalan jangka pendek), yaitu peramalan yang

mencakup jangka waktu satu tahun umumnya kurang dari tiga bulan.

Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan

kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.

b. Mid term forecasting (peramalan jangka menengah), yaitu peramalan

yang umumnya mecakup hitungan bulanan hingga tiga tahunn.

Peramalan ini bermanfaat untuk merencanakan penjualan, perencanaan

dan anggaran produksi, anggaran kas, serta menganalisis bermacam-

macam rencana operasi.

c. Long term forecasting (peramalan jangka panjang), yaitu peramalan yang

umumnya untuk perencanaan tiga tahun atau lebih. Peramalan jangka

panjang digunakan untuk merencanakan produk baru, pembelanjaan

modal, lokasi atau pengembangan fasilitas, serta penelitian dan

pengembangan (litbang).

Berdasarkan jenis data ramalan yang disusun, peramalan dibagi menjadi

dua jenis yaitu (Saputro dan Asri, 2000):

11

a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data

kualitatif pada masa lalu. Hasil ramalan yang dibuat sangat tergantung

pada orang yang menyusunnya. Hal ini penting karena peramalan

tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi,

pendapat, dan pengetahuan serta pengalaman dari peenyusunnya.

Biasanya peramalan secara kualitatif ini didasarkan atas hasil

penyelidikan, seperti pendapat salesman, pendapat sales manajer

pendapat para ahli dan survey konsumen.

b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data

penjualan pada masa lalu. Hasil peramalan yang dibuat sangat

tergantung pada metode yang dipergunakan dalam peramalan tersebut.

Penggunaan metode yang berbeda akan diperoleh hasil yang berbeda

pula.

Berdasarkan fungsi dan perencanaan operasi dimasa depan, peramalan

atau forecasting dibagi menjadi 3 jenis yaitu (Render dan Heizer, 2009):

a. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis

dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang

dibutuhkan untuk membangun perumahan dan indikator perencanaan

lainnya.

b. Peramalan teknologi (technological forecast) memperhatikan tingkat

kemajuan tehnologi yang dapat meluncurkan produk baru yang menarik,

yang membutuhkan pabrik dan peralatan baru.

12

c. Peramalan permintaan (demand forecast) adalah proyeksi permintaan

untuk produk atau layanan suatu perusahaan.

Berdasarkan sifat penyusunannya, peramalan dibagi menjadi dua jenis,

yaitu (Ginting, 2007):

a. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan

atau intuisi dari orang yang menyusunnya.

b. Peramalan objektif, yaitu peramalan yang didasarkan atas data yang

relevan pada masa lalu, dengan menggunakan teknik-teknik dan

metode-metode dalam penganalisaan data tersebut.

2.3 Pola Data

Penggunaan metode peramalan permintaan yang cocok dilakukan dengan

melihat bagaimana pola dari data permintaan yang dimiliki. Pola tersebut

kemudian disesuaikan dengan metode peramalan yang ada dan dilihat nilai error

nya. Mengidentifikasi pola data merupakan hal yang sangat penting sebelum

dilakukan peramalan. Pemilihan pola data yang tepat dalam pengujian deret

berkala (time series) akan menentukan ketepatan dalam pengujian data. Pola

data dibedakan menjadi empat jenis yaitu pola data horizontal, pola data

musiman, pola data trend dan pola data siklis (Widjajati & Soehardjoepri, 2017).

1. Pola siklis (Cycle) memiliki karakter dari pergerakan seperti gelombang yang

lebih panjang dari pada satu tahun dan belum tentu berulang pada interval

13

waktu yang sama. Berbeda dengan karakteristik dari pola musiman yang

dimana terjadi pengulangan pola secara konsisten. Berulang-ulang antar waktu

kejadian secara periodik adalah bentuk pola siklis. Komponen siklis sangat

bermanfaat untuk peramalan data dalam jangka menengah.

Gambar 2.1 Pola Data Siklis (Makridakis, 1999)

2. Pola Musiman (Seasonal) terjadi jika data setiap periode nya membentuk pola

yang sama atau berulang secara periodik yang bergerak secara bebas. Pola ini

memiliki karakter yang dimana puncak dan lembah berulang dalam periode

yang konsisten.

Gambar 2.2 Pola Data Musiman (Makridakis, 1999)

3. Pola Horizontal terjadi apabila di sekitar nilai rata-rata yang konstan terdapat

nilai yang berfluktuasi. Fluktuasi disini adalah data naik dan turun tergantung

pada kondisi data juga antar data satu dengan data yang lain.

14

Gambar 2.3 Pola Data Horizontal (Makridakis, 1999)

4. Pola trend pola data yang mengalami naik atau turun terus menerus sampai

waktu (t) tertentu.

Gambar 2.4 Pola Data Trend (Makridakis, 1999)

2.4 Metode Moving Average

2.4.1 Definisi Moving Average

Moving Average adalah salah satu metode peramalan Time series (deret

waktu). Metode ini digunakan jika data masa lalu tidak memiliki unsur trend

atau faktor musiman (Alfian dan Sri, 2017). Tujuan dilakukannya peramalan

rata-rata bergerak tunggal adalah untuk menghilangkan atau mengurangi

acakan (random ness) dalam deret waktu. Tujuan ini dapat dicapai dengan

merata-ratakan beberapa nilai dalam data bersama-sama, dengan cara mana

15

kesalahan positif dan negatif yang mungkin terjadi dan dapat dikeluarkan

atau dihilangkan (Alfian dan Sri, 2017).

Single Moving Average adalah suatu metode peramlan yang dilakukan

dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata

tersebut sebagai ramalan untuk periode yang akan datang (Subagyo, 2008).

Metode Moving Average mempunyai karakteristik khusus yaitu;

1. Untuk menentukan ramalan pada periode yang akan datang memerlukan

data historis selama jangka waktu tertentu. Misalnya, dengan 3 bulan

moving average, maka ramalan bulan ke 5 baru dibuat setelah bulan ke 4

selesai/berakhir. Jika bulan moving averages bulan ke 7 baru bisa dibuat

setelah bulan ke 6 berakhir.

2. Semakin panjang jangka waktu moving average, efek pelicinan semakin

terlihat dalam ramalan atau menghasilakan moving average yang semakin

halus.

2.4.2 Rumus Moving Average

Rumus:

St +

Keterangan:

St : Forecast untuk periode t + 1

16

Xt : Data periode t

n : Jangka waktu Moving Average

2.5 Metode Exponential Smoothing

2.5.1 Pengertian Exponential Smoothing

Metode Exponential Smooting adalah suatu prosedur yang mengulang

penghutingan secara terus menerus yang menggunakan data terbaru. Setiap

data diberikan bobot yang di simbolkan dengan α. Simbol α bisa ditentukan

secara bebas yang dapat mengurang beban forecast error. Nilai konstanta

pemulusan dapat ditentukan dengan ketentuan 0 < α < 1 (Ni dan Igp, 2014).

Pada ketentuanya nilai-nilai α rendah akan menyebabkan jarak yang lebih

rendah dari trend. Nilai α yang rendah cocok digunakan bila data bersifat

stabil. Nilai-nilai α yang lebih tinggi digunakan ketika data bersifat resposif

atau mempunyai fluktuasi permintaan yang tinggi. Mencari nilai α yang tepat

dapat ditentukan dengan pengujian trial dan error (coba-coba) terhadap nilai

α yang berbeda untuk menentukan nilai α yang memiliki hasil dengan nilai

error terkecil (Sri, 2011).

Karakteristik dari metode Exponential Smoothing yaitu (Falani, 2018):

1. Data yang dianalisis bersifat deret waktu.

2. Sesuai untuk data berpola horizontal

3. Menggunakan bobot yang berbeda untuk data masa lalu.

17

Metode ini lebih cocok digunakan untuk meramal hal-hal yang

fluktuasinya secara random atau tidak teratur (Subagyo, 2008).

2.5.2 Rumus Exponential Smoothing

Rumus:

Ft = Ft – 1 + α (At – 1 – Ft – 1)

Keterangan:

Ft : Nilai ramalan untuk periode waktu ke-t

Ft-1 : Nilai ramalan untuk satu periode waktu yang lalu, t-1.

At-1 : Nilai actual untuk satu periode waktu yang lalu, t- 1.

α : Konstanta pemulusan (Nilai α yang digunakan 0,1; 0,3; 0,7).

Permasalahan yang sering dihadapi dalam masalah ini adalah bagaimana

menentukan nilai α yang tepat untuk meminimkan kesalahan peramalan.

Karena berlaku 0 < α < 1 maka dapat melakukan panduan berikut:

a. Apabila Pola historis data sangat bergejolak atau tidak stabil maka pilih

nilai α mendekati satu.

b. Apabila pola historis data tidak bergejolak dan mendekati stabil maka pilih

nilai α mendekati nilai nol (Render dan Heizer, 2009).

2.6 Pengukuran Akurasi Hasil Peramalan

Uji Kesalahan Peramalan digunakan dengan membandingkan hasil peramalan

dengan data aktual. (Sofyan, 2013) makin kecil nilai kesalahan maka makin tinggi

18

tingkat ketelitian peramalan, demikian sebaliknya. Besarnya kesalahan peramalan

dapat dihitung dengan menggunakan beberapa metode perhitungan yaitu:

a. Mean Absolute Deviation (MAD)

MAD (Mean Absolute Deviation) adalah rata-rata kesalahan mutlak selama

periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau

lebih kecil dari kenyataan. MAD mengukur ketepatan ramalan dengan merata-

rata kesalahan dugaan (nilai absolut masing-masing kesalahan) serta MAD

memberikan bobot yang sama pada setiap nilai selisih peramalan dan aktual

dapat dilihat pada persamaan berikut:

MAD= Σ

Keterangan:

At = Permintaan Aktual pada periode –t.

Ft = Peramalan Permintaan (Forecast) pada periode-t.

N = Jumlah periode peramalan yang terlibat.

b. Mean Square Error (MSE)

MSE (Mean Square Error), rata-rata kuadrat kesalahan. Perhitungan error ini

memberikan pinalti pada selisi yang lebih besar dibandingkan selisih yang kecil

melalui perhitungan kuadrat dapat dilihat pada persamaan berikut:

MSE =Σ

19

Keterangan:

At = Permintaan Aktual pada periode–t.

Ft = Peramalan Permintaan (Forecast) pada periode-t.

n = Jumlah periode peramalan yang terlibat.

c. Mean Absolute Percentage Error (MAPE)

MAPE (Mean Absolute Percentage Error), merupakan rata-rata kesalahan

mutlak selama periode tertentu yang dikalikan 100% agar mendapatkan hasil

secara persentase dan digunakan jika ukuran variabel yang diramalkan sangat

menentukan akurasi peramalan dapat dilihat pada persamaan berikut MAPE

MAPE = (

)Σ|

|

Keterangan :

At = Permintaan Aktual pada periode –t.

Ft = Peramalan Permintaan (Forecast) pada periode-t.

N = Jumlah periode peramalan yang terlibat.

20

2.7 Kerangka Berpikir

Gambar 2.5 Kerangka Berfikir

Identifikasi Masalah

Tujuan

Rumusan Masalah

Moving Average

Pengolahan Data

Exponential Smoothing

Hasil dan Pembahasan

Kesimpulan dan Saran

21

BAB III

METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Pelaksanaan Kuliah Kerja Praktik (KKP) dilaksanakan di PT. Esaputlii Prakarsa

Utama yang berlokasi di Jl. Poros Makassar-Parepare KM 138 Desa JalangE

Kelurahan Mallawa Kecamatan Mallusetasi Kabupaten Barru Provinsi

Sulawesi Selatan. Waktu penelitian dilaksanakan pada 7 September - 23

November 2020.

3.2 Alat dan Bahan

Alat yang digunakan dalam penelitian PT. Esaputlii Prakarsa Utama adalah

sebagai berikut:

a. Alat Tulis,

b. Laptop,

c. Software Microsoft Word 2016, Microsoft Excel 2016 dan QM For Windows

V5.

Bahan yang digunakan dalam penelitian ini berupa data primer dan data

sekunder.

3.2.1 Data Primer

Data yang diperoleh secara langsung dari tempat yang dijadikan sebagai

objek penelitian. Adapun data primer yang digunakan dalam penelitian ini

22

meliputi data penjualan benih udang vannamei dan produksi dari bulan

November 2019 – Oktober 2020.

3.2.2 Data Sekunder

Data sekunder adalah data yang diperoleh dari luar perusahaan yang ada

hubungannya dengan obyek penelitian yang dilakukan. Adapun data

sekunder yang digunakan dalam penelitian ini diperoleh dari:

a. Studi Pustaka

Sumber data yang berasal dari buku-buku referensi yang relevan dan

mendukung dengan obyek penelitian.

b. Media Internet

Sumber data yang berasal dari media internet yang berupa jurnal

maupun artikel yang mendukung dengan obyek penelitian.

3.3 Jenis Penelitian

Metode yang digunakan dalam penelitian ini adalah metode deskriptif,

yaitu penggambaran objek yang diteliti dengan menggunakan data primer dan

sekunder dalam penelitian sebagai landasan dalam penulisan tugas akhir.

3.4 Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini adalah

dengan melakukan pengamatan langsung di perusahaan yang menjadi objek

penelitian. Pengamatan dimaksudkan untuk memperoleh data-data aktual yang

23

merupakan gambaran nyata yang terjadi pada PT Esaputlii Prakarsa Utama

dengan cara sebagai berikut:

a. Observasi, yaitu melakukan pengamatan secara langsung jalannya proses

yang menjadi tinjauan umum penulis.

b. Wawancara, yaitu mendapatkan data dengan melakukan wawancara

langsung dengan narasumber dalam hal ini devisi pemasaran dan devisi

produksi PT. Esaputlii Prakarsa Utama yang memberikan penjelasan dan data

yang berhubungan dengan objek penulisan dalam penelitian ini.

c. Dalam mendukung pengumpulan data maka penulis melakukan penelitian

kepustakaan, hal ini merupakan penelitian untuk landasan teori dari tugas

akhir ini dengan membaca berbagai literatur baik yang bersumber dari buku-

buku, jurnal maupun bersumber dari arsip kepustakaan Politeknik ATI

Makassar.

3.5 Analisa Data

Data yang diperoleh kemudian diamati dan diolah untuk mendapatkan hasil

yang diinginkan, dan adapun tahapan analisa pengolahan data yaitu:

a. Menentukan peramalan kebutuhan benih udang vannamei untuk periode

selanjutnya.

b. Menghitung jumlah peramalan produksi benih udang vannamei dengan

menggunakan metode Regresi Linier, Single Moving Average dan Exponential

Smoothing.

24

c. Menghitung kesalahan peramalan dengan MAD (Mean Absolute Deviation),

MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error).

25

BAB IV

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

Sebagaimana yang telah diuraikan pada bab sebelumnya, bahwa untuk

membahas permasalahan yang didapatkan dengan menerapkan metode

peramalan menggunakan regresi linier, single moving average dan exponential

smoothing.

Adapun data yang diperoleh dari PT. Esaputlii Prakarsa Utama. Terhitung dari

November 2019 sampai dengan Oktober 2020 dalam proses penjualan benih udang di

packing dengan cara membungkus dimana dalam satu bungkus terdapat 1500 ekor

benih udang, diperoleh data penjualan sebagai berikut:

Tabel 4.1 Data Penjualan Benih Udang Vannamei PT. Esaputlii

Sumber Data: PT. Esaputlii Prakarsa Utama, 2020.

Bulan

Jumlah Permintaan

Benih Udang

(Bungkus)

Jumlah Produksi

Benih Udang

(Bungkus)

Produksi Berlebih

November (2019) 199136 203166 4030

Desember (2019) 167834 172577 4743

Januari (2020) 189205 191416 2211

Februari (2020) 200961 208275 7314

Maret (2020) 188765 192555 3791

April (2020) 157571 161497 3926

Mei (2020) 188336 193782 5445

Juni (2020) 126835 132125 5290

Juli (2020) 170644 177985 7341

Agustus (2020) 155935 159127 3192

September (2020) 189228 195819 6591

Oktober (2020) 234623 237269 2646

Jumlah 2169073 2225594 56521

26

Dari pengumpulan data diatas, maka dapat dilihat sebuah bentuk grafik

seperti pada Gambar 4.1 berikut:

Gambar 4.1 Grafik Penjualan dan Produksi Benih Udang Vannamei

Sumber: Data diolah menggunakan Microsoft Office 2016

Dari Gambar 4.1 Grafik Penjualan dan Produksi Benih Udang Vannamei pada

PT. Esaputlii Prakarsa Utama dapat dilihat bahwa antara jumlah penjualan dan

produksi terjadi kenaikan ataupun penurunan penjualan dan produksi benih

udang vannamei.

4.2 Pengolahan Data

Dari data tersebut diketahui bahwa total penjualan benih udang dari bulan

november 2019 sampai dengan bulan oktober 2020 adalah sebesar 2.169.073

bungkus, dengan rata-rata penjualan perbulan adalah sebesar 180.756 bungkus.

Dari data diatas juga diketahui bahwa penjualan terkecil adalah pada bulan Juni

yaitu sebesar 126.835 bungkus, dan penjualan tertinggi terjadi pada bulan

Oktober yaitu sebesar 234.623 bungkus.

0

50000

100000

150000

200000

250000

Jumlah Penjualan dan Produksi Benih Udang

Jumlah Penjualan Benih Udang Jumlah Produksi Benih

27

Dari data diatas dapat dilakukan peramalan untuk permintaan benih udang

vannamei pada periode berikutnya. Maka dapat dilakukan perhitungan

peramalan menggunakan metode moving average dan single exponential

smoothing. Setelah dilakukan perhitungan maka dapat ditentukan metode yang

digunakan untuk melakukan peramalan penjualan benih udang vannamei.

4.2.1 Metode Moving Average

Perhitungan menggunakan aplikasi QM For Windows V5 2021.

a. Hasil forecasting metode Moving Average.

Tabel 4.2 Detail and Error Analysis Moving Average

Sumber Data: QM For Windows V5

Berdasarkan Tabel 4.2 nilai yang dihasilkan melalui bantuan software

QM For Windows V5 dapat diketahui analisa single moving average

dengan nilai n=8 adalah jangka waktu dengan menghitung nilai rata-rata

mulai dari bulan November 2019 sampai dengan bulan Juni 2020.

Berdasarkan perhitungan menggunakan software QM For Windows V5

28

degan metode single moving average diatas dapat diketahui peramalan

untuk bulan Juli 177.330,4 bungkus, Agustus 173.768,9 bungkus,

September 172.281,5 bungkus, dan Oktober 172.284,4 bungkus.

Kemudian, peramalan untuk bulan November 2020 adalah sebesar

176.492,1 bungkus.

b. Hasil error measures metode Moving Average.

Tabel 4.3 Error Measures Moving Average

Sumber Data: QM For Windows V5

Berdasarkan Tabel 4.3 data yang telah diolah menggunakan aplikasi

QM For Windows V5 maka diperoleh hasil peramalan metode Moving

Average sebagai berikut:

1. MAD (Mean Absolute Deviation)

Dari data diatas diperoleh nilai MAD sebesar 25.951,34 bungkus

yang merupakan kesalahan pengukuran dengan merata-ratakan

kesalahan dugaan.

2. MSE (Mean Square Error)

29

Dari data diatas diperoleh nilai MSE sebesar 1.134.011.000 bungkus

yang merupakan pengaturan kesalahan peramalan yang besar karena

kesalahan-kesalahan dikuadratkan.

3. MAPE (Mean Absolute Percentage Error)

Dari data diatas diperoleh nilai MAPE sebesar 12,72% yang

merupakan pengukuran kesalahan prsentase peramalan dengan

merata-ratakan kesalahan percentage absolute.

c. Grafik metode Moving Average.

Gambar 4.2 Grafik metode Moving Average

Sumber: Data diolah menggunakan aplikasi Microsoft Word 2016

Dari Gambar 4.2 grafik metode moving average diatas yang diolah

menggunakan aplikasi Microsoft Word 2016 diketahui bahwa sumbu x

merupakan jumlah periode yaitu sebanyak 13, dan sumbu y merupakan

jumlah penjualan benih udang selama 12 bulan. Garis warna biru

merupakan data aktual penjualan benih udang vannamei, garis warna

0

50000

100000

150000

200000

250000

1 2 3 4 5 6 7 8 9 10 11 12 13

PT. ESAPUTLII PRAKARSA UTAMA

Data Forecast

30

orens merupakan hasil peramalan. Pada metode ini, peramalan dimulai

pada periode ke-9 karena pada periode sebelumnya dijadikan sebagai nilai

rata-rata untuk periode selanjutnya. Nilai peramalan dengan metode

Moving Average diperoleh dengan cara merata-ratakan nilai atau jumlah

produksi benih pada periode sebelumnya.

4.2.2 Metode Single Exponential Smoothing

Perhitungan menggunakan aplikasi QM For Windows V5 2021.

a. Hasil forecasting metode Single Exponential Smoothing.

Tabel 4.4 Detail and Error Analysis Single Exponential Smoothing

Sumber Data: QM For Windows V5

Berdasarkan Tabel 4.4 nilai yang dihasilkan melalui bantuan software

QM For Windows V5 dapat diketahui analisa exponential smoothing

dengan nilai ɑ sebagai konstanta pemulusan (nilai ɑ=0,3) dapat diketahui

peramalan untuk bulan November 2020 adalah sebesar 190.589,5

bungkus.

31

b. Hasil error measures metode Single Exponential Smoothing.

Tabel 4.5 Error Measures Single Exponential Smoothing

Sumber Data: QM For Windows V5

Berdasarkan data Tabel 4.5 yang telah diolah menggunakan aplikasi

POM QM For Windows V5 maka diperoleh hasil peramalan metode Linear

Regression Sebagai berikut:

1. MAD (Mean Absolute Deviation)

Dari data diatas diperoleh nilai MAD sebesar 22.639,01 bungkus

yang merupakan kesalahan pengukuran dengan merata-ratakan

kesalahan dugaan.

2. MSE (Mean Square Error)

Dari data diatas diperoleh nilai MSE sebesar 935.982.300 bungkus

yang merupakan pengaturan kesalahan peramalan yang besar karena

kesalahan-kesalahan dikuadratkan.

3. MAPE (Mean Absolute Percentage Error)

Dari data diatas diperoleh nilai MAPE sebesar 13,354% yang

merupakan pengukuran kesalahan prsentase peramalan dengan

merata-ratakan kesalahan percentage absolute.

32

c. Grafik metode Single Exponential Smoothing.

Gambar 4.3 Metode Single Exponential Smoothing

Sumber: Data diolah 2021

Dari Gambar 4.3 grafik metode moving average diatas yang diolah

menggunakan aplikasi Microsoft Word 2016 diketahui bahwa sumbu x

merupakan jumlah periode yaitu sebanyak 13, dan sumbu y merupakan

jumlah penjualan benih udang selama 12 bulan. Garis warna

birumerupakan data aktual penjualan benih udang, dan garis warna orens

merupakan hasil peramalan. Dari grafik tersebut dilihat bahwa pada

periode ke-3 penjualan benih mulai mengalami penurunan dari periode

sebelumnya, kemudian pada periode ke-3 sampai periode ke-11 nilai

peramalan ada penurunan dan kenaikan jumlah penjualan benih, dan

pada periode ke-12 sampai periode ke-13 terjadi kenaikan penjualan

benih.

0

50000

100000

150000

200000

250000

1 2 3 4 5 6 7 8 9 10 11 12 13

PT. ESAPUTLII PRAKARSA UTAMA

Data Forecast

33

4.3 Pembahasan

Dari hasil pengolahan data peramalan diatas dapat dilihat data pada tabel

dibawah ini:

Tabel 4.6 Perbandingan Hasil Peramalan

Sumber: Data diolah menggunakan aplikasi Microsoft Word 2016

Dari nilai yang sudah diolah pada Tabel 4.6 menggunakan aplikasi POM QM

For Windows V5 diketahui bahwa metode Moving Average memiliki nilai MAD=

25.951,34 bungkus, MSE= 1.134.011.000 bungkus, MAPE= 12,72 % dan nilai

peramalan periode selanjutnya sebanyak 176.492,1 bungkus. Sedangkan Single

Exponential Smoothing memiliki nilai MAD= 22639,01 bungkus, MSE=

935.982.300 bungkus, MAPE= 13,354% dan nilai peramalan periode selanjutnya

sebanyak 190.589,5 bungkus.

Jadi peramalan yang memiliki nilai ukuran akurasi terkecil yaitu 12,72 %

adalah metode Moving Average dengan nilai forecast 176.492,1 bungkus. Oleh

Moving Average Exponential

Smoothing

MAD (Bungkus) 25.951,34 22.639,01

MSE (Bungkus) 1.134.011.000 935.982.300

MAPE (%) 12,72 % 13,354 %

Forecast (Bks) 176.492,1 190.589

34

karena itu metode Moving Average lebih cocok digunakan untuk melakukan

peramalan di PT. Esaputlii Prakarsa Utama. Pada PT. Esaputlii Prakarsa Utama

sebelumnya belum menerapkan metode peramalan, dan hanya menggunakan

estimasi untuk menentukan jumlah produksi sehingga kurang efektif untuk

menentukan jumlah produksi.

35

BAB V

PENUTUP

5.1 Kesimpulan

Dari pengolahan data diatas dapat disimpulkan bahwa dari kedua metode

yaitu moving average dan single exponential smoothing metode peramalan yang

dapat digunakan di PT. Esaputlii Prakarsa Utama untuk meramal kebutuhan benih

udang vannamei adalah metode Moving Average karena memiliki nilai kesalahan

peramalan terkecil, yaitu MAD= 25.951,34 bungkus, MSE= 1.134.011.000

bungkus, MAPE= 12,72 % dan nilai peramalan pada bulan selanjutnya November

2020 yaitu sebanyak 176.492,1 bungkus.

5.2 Saran

Berdasarkan kesimpulan diatas maka perusahaan disarankan sebaiknya

menggunakan metode Moving Average agar bisa menyeimbangkan antara

kebutuhan udang vannamei dan jumlah produksi, perusahaan juga sebaiknya

menambah kolam untuk menampung udang-udang yang sudah melewati batas

usia panen sehingga tidak ada udang yang terbuang saat panen.

36

DAFTAR PUSTAKA

Agustina Eunike, Nasir Widha Setyanto, Rahmi Yuniarti, Ihwan Hamdala, Rio Prasetyo Lukodono, Angga Akbar Fanani. 2018. Perencanaan Produksi dan Pengendalian Persediaan. Penerbit UBPress, Malang.

Alfian Nurlifa, Sri Kusuma Dewi. 2017. Sistem Peramalan Jumlah Penjualan

Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky. Jurnal

Inovtek Polbeng – Seri Informatika 2(1): 20. e-ISSN: 2527-9866, 2017.

Bahtiar Winarko Nanang Farid. 2021. Analisis Peramalan Produksi Makanan Ringan dengan Proyeksi Trend Metode Musiman dan Single Moving Average di CV. Tono Jaya Kota Tegal (Doctoral dissertation, Universitas Pancasakti Tegal).

Fattah Mochammad, Purwanti Pudji. 2017. Manajemen Industri Perikanan.

Penerbit Universitas Brawijaya Press.

Falani Ilham. 2018. Penentuan Nilai Parameter Metode Single Exponential

Smoothing dengan Algoritma Genetik dalam Meningkatkan Akurasi

Forecasting. Jurnal CESS, Vol. 3 No. 1, p-ISSN: 2502-7131, e-ISSN: 2502-

714x, pp. 14-16.

Gaspersz Vincent. 2005. Production Planning and Inventory Control. Penerbit PT Gramedia Pustaka Utama, Jakarta.

Ginting Rosnani. 2007. Sistem Produksi. Penerbit Graha Ilmu, Yogyakarta.

Gunawan Adisaputro, Asri Marwan. 2003. Anggaran Produksi. Penerbit PT Gramedia Pustaka Utama, Jakarta.

Heizer Jay, Barry Render. 2009. Operation Management 7th edition. Penerbit Salemba Empat, Jakarta.

Hudaningsih Nurul, Silvia Firda Utami, Wari Ammar Abdul Jabbar. 2020. Perbandingan Peramalan Penjualan Produk Aknil PT. Sunthi Sepuri Menggunakan Metode Single Moving Average dan Single Exponential Smoothing. Jurnal Jinteks 2(1): 16-18.

Indrayani Novi, Nasrudin Bin Idris. 2020. Perancangan Sistem Monitoring

Penjualan Untuk Optimalisasi Penjualan Sayuran Pada Kelompok Tani

Hidroponik Menggunakan Metode Single Exponential Smoothing

(SES). Jurnal Ilmiah Matrik 22(3): 293-300.

Makridakis. 1999. Metode dan Aplikasi Peramalan Jilid 1 Penerbit Erlangga, Jakarta.

37

Murahartawaty. 2009. Peramalan. Penerbit Sekolah Tinggi Teknologi Telkom, Bandung.

Nasution Arman Hakim, Prasetyawan. 2008. Perencanaan dan pengendalian Produksi, Edisi pertama penerbit Graha ilmu, Yogyakarta.

Nawawi Muhammad Nur. 2019. Revolusi Industri 4.0 di Sektor Kelautan dan

Perikanan Indonesia. www.kkp.go.id [download 20 Februari 2021].

Ni Luh Ayu Kartika Yuniastari dan IGP Wirarama Wedashwara Wirawan. 2014. Peramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Exponential Smoothing. Jurnal Sistem dan Informatika 9(2): 98.

Purba Agustina. 2015. Perancangan Aplikasi Peramalan Jumlah Calon Mahasiswa Baru Yang Mendaftar Menggunakan Metode Single Exponential Smoothing (Studi Kasus: Fakultas Agama Islam UISU). Jurnal Riset Komputer 2(6): 9.

Rachman Rizal. 2018. Penerapan Metode Moving Average Dan Exponential

Smoothing Pada Peramalan Produksi Industri Garment. Jurnal

Informatika 5(2): 211-220.

Sofyan Diana Khairani. 2013. Perencanaan & Pengendalian Produksi. Lhoksemawe NAD Penerbit Graha Ilmu.

Sri Ajeng. 2011. Peramalan Penjualan untuk Perencanaan Pengadaan Persediaan Buah Durian di Rumah Durian Harum Bintaro Jakarta. Penerbit Universitas Islam Negeri Jakarta, Jakarta.

Sudarismiati Anik, Mery Tridiah Sari. 2016. Analisis Peramalan Penjualan Untuk Menentukan Rencana Produksi Pada UD. Rifai. Jurnal Ekonomi dan Bisnis GROWTH 14(2): 19-20.

Stevenson William J, Sum Chee Chuong. 2014. Manajemen Operasi. Penerbit

Salemba Empat, Jakarta.

Subagyo. 2008. Forecasting Konsep dan Aplikasi. Penerbit BPFE, Yogyakarta.

Sumayang Lalu. 2003. Dasar-Dasar Manajemen Produksi dan Operasi. Penerbit Salemba Empat, Jakarta.

Widjajati Farida Agustini, Soehardjoepri, Fani Elisa. 2017. Menentukan Penjualan Produk Terbaik di Perusahaan X Dengan Metode Winter’s Eksponensial Smoothing dan Metode Event Based. Limits J. Math and Its Appl 14(1): 25-35.