analisis peramalan penjualan baju batik blus dan …/analisis... · pengertian peramalan .....14 2....
TRANSCRIPT
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
ANALISIS PERAMALAN PENJUALAN BAJU BATIK BLUS
DAN KEMEJA PADA BATIK PELANGI SURAKARTA
TUGAS AKHIR
Diajukan Untuk Melengkapi Tugas-tugas Dan
Memenuhi Syarat-syarat Untuk Mencapai Derajat Ahli Madya
Progam Studi D3 Manajemen Industri
Oleh :
BAYU SAMODRA F3508017
PROGRAM STUDI DIPLOMA III MANAJEMEN INDUSTRI
FAKULTAS EKONOMI
UNIVERSITAS SEBELAS MARET
SURAKARTA
2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iii
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iv
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
MOTTO
Dengarkanlah suara hatimu jangan pernah bohongi
dirimu, berlarilah sejauh apapun itu.
(13)
Orang yang berbahagia bukanlah orang yang hebat
dalam segala hal, tapi orang yang menemukan hal
sederhana dalam hidupnya dan mengucap syukur.
(animous)
Para pemenang membandingkan apa yang telah
mereka raih dengan apa yang mereka cita –
citakan dari awal,
Sementara pecundang membandingkan apa yang
mereka raih dengan apa yang orang lain raih.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
PERSEMBAHAN
Puji syukur yang takkan henti
kehadirat Allah SWT, dengan segala
hidayah-Nya ku dapat melalui detik-
detik yang ternilai dalam hidup ini
hingga terealisasinya tugas akhir ini.
Dengan segala kerendahan hati
kupersembahkan karya ini untuk :
1. Ayahanda dan Ibunda yang
menyangga serat akan beban
serta doa-doa kebaikan yang
kau panjatkan demi kebaikan
dan kebahagianku.
2. Teman-teman seangkatan
jurusan Manajemen Industri dan
teman-teman kos.
3. Almamater UNS.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Puji dan syukur penulis panjatkan atas kehadirat Alloh SWT yang
telah memberikan rahmat, taufik dan hidayahnya sehingga penullis dapat
menyelesaikan penulisan tugas akhir yang berjudul ANALISIS
PERAMALAN PENJUALAN BAJU BATIK BLUS DAN
KEMEJA PADA BATIK PELANGI SURAKARTA.
Tugas akhir ini diajukan sebagai syarat- syarat dalam memperoleh
derajat gelar Sarjana Ahli Madya Jurusan Manajemen Industri Fakultas
Ekonomi Universitas Sebelas Maret Surakarta.
Dengan segala kerendahan hati, penulis ingin menyampaikan rasa
terima kasih kepada pihak-pihak yang telah membantu, membimbing serta
memberikan dorongan moral maupun spiritual kepada penulis sehingga
tersusunnya tugas akhir ini. Penulis ingin mengucapkan terima kasih
kepada :
1. Bapak Dr. Wisnu Untoro, M.S, selaku Dekan Fakultas Ekonomi
Universitas Sebelas Maret Surakarta.
2. Ibu Sinto Sunaryo, SE, M.Si, selaku ketua Program Diploma III
Jurusan Manajemen Industri Fakultas Ekonomi Universitas Sebelas
Maret Surakarta.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
3. Ibu Intan Novela Q.A, SE,M.Si, selaku Pembimbing yang telah
meluangkan waktu untuk memberikan pengarahan, nasehat dan
bimbingan dalam menyelesaikan Tugas Akhir ini.
4. Ibu Dra. Sri Suwarsi, MM selaku Pembimbing Akademis pada Fakultas
Ekonomi Universitas Sebelas Maret Surakarta..
5. Ibu Suryani, selaku karyawan Pendamping dan seluruh karyawan Batik
Pelangi yang telah membantu penulis dalam memperoleh data guna
menyusun tulisan ini.
6. Keluarga yang senantiasa mengiringi dengan doa, kasih sayang,
memberikan semangat dan motivasi. Kebahagiaan paling abadi adalah
kebahagiaan bersama keluarga.
7. Teman-teman kos aksioma dan asahi yang memberi banyak inspirasi
dan mendukung bagi penulis yang banyak membantu penyelesaian
tugas akhir ini.
8. Semua sahabat – sahabatku yang tidak bisa saya sebutkan satu
persatu, terimakasih buat semuanya.
9. Adityapded, koko, gembul, ryan, abi terimakasih buat dukungan dan
inspirasinya.
10. semua pihak yang telah membantu yang tidak bisa saya sebutkan satu
persatu, semoga atas bantuan yang diberikan memperoleh imbalan
dari Allah SWT.
Penulis menyadari bahwa sepenuhnya atas kekurangan dalam
penulisan tugas akhir ini. Untuk itu penulis mengharapkan kritik dan saran
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
yang membangun. Namun demikian, karya sederhana ini diharapkan
dapat bermanfaat bagi pihak-pihak yang membutuhkan.
Surakarta, Januari 2012
Penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
DAFTAR ISI
HALAMAN JUDUL ............................................................................ i
ABSTRAK ......................................................................................... ii
HALAMAN PERSETUJUAN.............................................................. iii
HALAMAN PENGESAHAN............................................................... iv
HALAMAN MOTTO .......................................................................... v
HALAMAN PERSEMBAHAN ............................................................ vi
KATA PENGANTAR.......................................................................... vii
DAFTAR ISI ...................................................................................... x
DAFTAR TABEL ............................................................................... xiii
DAFTAR GAMBAR .......................................................................... xv
DAFTAR LAMPIRAN ................................................................. ....... .xvi
BAB I. PENDAHULUAN
A. Latar Belakang.......................................................... 1
B. Rumusan Masalah .................................................... 4
C. Tujuan Penelitian ...................................................... 5
D. Manfaat Penelitian .................................................... 5
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
E. Metode Penelitian ..................................................... 6
F. Kerangka Pemikiran.................................................. 11
BAB II. TINJAUAN PUSTAKA
1. Pengertian peramalan ...............................................14
2. Tujuan Peramalan..................................................... 15
3. Jenis Peramalan ....................................................... 16
4. Peramalan Menurut Horizon Waktu........................... 16
5. Faktor – Faktor yang mempengaruhi peramalan ......17
6. Sifat – Sifat Peramalan ............................................. 18
7. Tahap – Tahap Peramalan ........................................18
8. Karakteristik Peramalan ............................................ 19
9. Metode Peramalan.................................................... 20
10. Pengukuran Hasil Akurasi Peramalan....................... 24
BAB III. PEMBAHASAN
A. Gambaran Umum Perushaan ................................... 26
1. Sejarah Singkat Perusahaan ................................26
2. Lokasi Perusahaan .............................................. 29
3. Struktur Organisasi .............................................. 29
4. Aspek SDM...........................................................32
5. Aspek Produksi.....................................................33
6. Hasil Produksi.......................................................36
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
7. Aspek Pemasaran ................................................36
B. Laporan Magang Kerja.............................................. 36
1. Deskripsi Magang Kerja...................................... 36
2. Manfaat Magang Kerja............................................37
3. Pelaksanaan Magang Kerja................................. 37
C. Pembahasan Masalah ...............................................39
1. Penentuan Peramalan Penjualan baju batik blus..42
a. Metode Single moving average................. 42
b. Metode Exsponensial Smoothing.............. 46
c. Metode Weighted Moving Average ........... 57
d. Metode Trend Projection........................... 60
2. Penentuan Peramalan Penjualan Kemeja Batik...63
a. Metode Single moving average................. 64
b. Metode Exsponensial Smoothing.............. 68
c. Metode Weighted Moving Average ........... 78
d. Metode Trend Projection........................... 81
3. Perbandingan Kesalahan Peramalan .................. 85
BAB IV. PENUTUP
A. Kesimpulan ............................................................... 88
B. Saran ........................................................................ 93
DAFTAR PUSTAKA 95
LAMPIRAN.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiii
DAFTAR TABEL
Tabel Halaman
3.1 Data Penjualan Baju Batik Blus
Bulan April 2010 – Maret 201...................................................40
3.2 Data Penjualan Kemeja Batik
Bulan April 2010 – Maret 2011.................................................41
3.3 Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Single Moving Average 3 Bulanan................42
3.4 Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Exsponensial Smoothing α= 0,1....................46
3.5 Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Exsponensial Smoothing α= 0,5...................49
3.6 Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Exsponensial Smoothing α= 0,9....................53
3.7 Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Weighted Moving Average 3 Bulanan...........57
3.8 Perhitungan Peramalan Penjualan Baju Batik Blus
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xiv
Dengan Metode Trend Projection............................................60
3.9 Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Single Moving Average 3 Bulanan................64
3.10 Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Exsponensial Smoothing α= 0,1....................68
3.11 Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Exsponensial Smoothing α= 0,5....................71
3.12 Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Exsponensial Smoothing α= 0,9....................74
3.13 Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Weighted Moving Average 3 Bulanan...........78
3.14 Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Trend Projection 81
3.15 Perbandingan Output Penjualan Baju Batik Blus
Pada Batik Pelangi 85
3.16 Perbandingan Output Penjualan Kemeja Batik
Pada Batik Pelangi 86
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xv
DAFTAR GAMBAR
Gambar Halaman
1.1 Gambar Kerangka Pemikiran 11
1.2 Gambar Struktur Organisasi Perusahaan Batik Pelangi 30
1.3 Gambar Alur Proses Produks 35
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xvi
DAFTAR LAMPIRAN
v Surat Keterangan Magang Kerja
v Nilai Kinerja Peserta Magang Kerja
v Surat Pernyataan Tugas Akhir
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
1
BAB I
PENDAHULUAN
A. Latar Belakang
Sebuah perusahaan didirikan mempunyai tujuan untuk menghasilkan
barang dan jasa yang menjadi kebutuhan konsumen dan sekaligus untuk
mendapatkan keuntungan dari usaha tersebut. Selain untuk mendapatkan
keuntungan juga bertujuan untuk membantu pemerintah dalam
mengurangi angka pengangguran dengan membuka lapangan pekerjaan
serta bertujuan untuk mempertahankan dan meningkatkan kelangsungan
hidup perusahaan di masa yang akan datang. Untuk mewujudkan itu
semua, pemimpin perusahaan harus menetapkan suatu kebijakan yang
tepat dalam mengelola perusahaan
Perusahaan memiliki pandangan atau harapan agar pada masa yang
akan datang mengalami perubahan, yang dimaksud perubahan disini
adalah perubahan kearah yang lebih baik atau bisa dikatakan mengalami
perkembangan. Hal ini menjadi salah satu faktor pendukung bagi
perusahaan untuk melakukan kegiatan-kegiatan menuju kearah
perkembangan yang lebih baik pada masa yang akan datang.
Keputusan yang diambil seorang manajer akan mempengaruhi
kesuksesan perusahaan dimasa yang akan datang. Hal yang berpengaruh
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
2
terhadap pencapaian tujuan perusahaan adalah keputusan dari seorang
manajer.
Dalam mengambil keputusan, para manajer selalu berusaha membuat
estimasi yang baik tentang apa yang terjadi di masa yang akan datang.
Perencanaan yang efektif baik untuk jangka panjang maupun jangka
pendek bergantung pada peramalan permintaan untuk produk perusahaan
tersebut.
Kegiatan untuk mengetahui atau memperkirakan apa yang akan
terjadi pada masa yang akan datang disebut dengan peramalan. Oleh
karena itu perusahaan perlu meramalkan apa yang terjadi pada masa
yang akan datang, hal ini dikarenakan untuk menentukan tujuan yang
akan dicapai oleh perusahaan. Fungsi dari peramalan adalah untuk
mengetahui berapa jumlah barang yang diproduksi di masa yang akan
datang.
Menurut (Reinder dan Heizer, 2005) peramalan adalah seni dan ilmu
untuk memperkirakan kejadian di masa yang akan datang. Oleh karena itu
perusahaan perlu meramalkan apa yang terjadi pada masa yang akan
datang. Peramalan dilakukan agar memperoleh masukan yang sangat
berarti dalam menentukan kebijakan perusahaan.
Peramalan bertujuan untuk membantu perusahaan dalam
meminimalkan biaya dalam memproduksi barang yang dihasilkan, karena
dengan mengetahui beberapa penjualan pada periode berikutnya maka
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
3
perusahaan dapat memproduksi barang secara tidak berlebihan. Dengan
adanya peramalan maka perusahaan bisa memproduksi barang secara
tidak berlebihan.
Akibat terjadinya perencanaan produksi yang kurang tepat akan
menyebabkan ketidaksesuaian kuantitas dan kualitas produk dengan
permintaan pasar. Dengan adanya peramalan, maka perusahaan dapat
mencapai tujuan serta pengambilan keputusan dalam produksinya, namun
dalam kegiatan peramalan memerlukan penerapan metode-metode, hal
ini bertujuan agar dapat mengetahui permintaan yang akan datang dan
meminimumkan kesalahan peramalan.
PERUSAHAAN BATIK PELANGI adalah perusahaan yang bergerak
dalam industri pembuatan batik. Untuk memenuhi kebutuhan pasar maka
perusahaan harus mengetahui beberapa peramalan penjualan yang akan
datang sehingga perusahaan dapat memproduksi barang sesuai dengan
penjualan yang telah diramalkan. Peramalan penjualan dapat membantu
perusahaan dalam meminimalkan biaya dalam memproduksi barang yang
dihasilkan, karena dengan mengetahui beberapa penjualan pada periode
berikutnya maka perusahaan dapat memproduksi barang secara tidak
berlebihan.
Selama ini BATIK PELANGI belum melaksanakan peramalan
penjualan secara efektif dan efisien untuk menentukan perencanaan
produksi. Atas dasar latar belakang masalah diatas maka penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
4
mengambil judul : “ANALISIS PERAMALAN PENJUALAN BAJU BATIK
BLUS DAN KEMEJA PADA BATIK PELANGI”
B. Rumusan masalah
Berdasarkan latar belakang masalah diatas, maka dapat dirumuskan
bahwa pokok permasalahan yang akan dibahas dalam penelitian ini
adalah :
1. Berapakah peramalan permintaan produk baju batik blus dan kemeja
dengan metode Single Moving Average dan metode Exsponential
Smoothing, Weighted Moving Averages dan Trend Projection pada
PERUSAHAAN BATIK PELANGI untuk periode april 2011 ?
2. Berapakah forecast error dari hasil peramalan dengan metode
diatas?
3. Metode peramalan apa yang tepat untuk menentukan penjualan
produk baju batik blus dan kemeja diperiode yang akan datang pada
PERUSAHAAN BATIK PELANGI?
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
5
C. Tujuan Penelitian
Penelitian ini dilaksanakan dengan tujuan agar penelitian yang telah
dilakukan hasilnya dapat memberikan manfaat yang sesuai dengan apa
yang dikehendaki.
Adapun tujuan penelitian ini adalah :
1. Untuk mengetahui peramalan permintaan produk baju batik blus
dan hem dengan metode Single Moving Average dan
Exsponensial Smoothing, Weighted Moving Average dan Trend
Projection pada PERUSAHAAN BATIK PELANGI periode april
2011.
2. Untuk mengetahui forecast error dari hasil peramalan dengan
metode diatas.
3. Untuk mengetahui metode peramalan yang tepat dalam
menentukan besarnya penjualan produk baju batik blus dan kemeja
di periode yang akan datang pada BATIK PELANGI.
D. Manfaat Penelitian
Manfaat yang dapat diambil dari penelitian ini adalah :
1. Bagi Penulis
a. Dapat mengaplikasikan ilmu pengetahuan yang didapat
dibangku kuliah khususnya tentang metode peramalan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
6
b. Menambah pengetahuan, memperluas pengetahuan dan cara
pandang terhadap suatu masalah perekonomian terutama
masalah peramalan penjualan.
2. Bagi perusahaan
a. Sebagai bahan pertimbangan bagi manajemen perusahaan
dalam menentukan kebijakan-kebijakan perusahaan yang
berkaitan dengan manajemen perusahaan, khususnya dalam
peramalan jumlah penjualan yang selanjutnya digunakan
sebagai dasar perencanaa produksi yang akan datang.
b. Dapat membantu perusahaan dalam menentukan metode
peramalan yang tepat dan untuk mengetahui tingkat penjualan
pada periode yang akan datang.
3. Bagi Pihak Lain
a. Penelitian ini diharapkan dapat sebagai masukan untuk
penelitian yang mengambil topik permasalahan yang sama.
b. Dapat menambah pengetahuan dan pemahaman mengenai
penelitian-penelitian yang berkaitan dengan peramalan
(forecasting).
E. Metode Penelitian
1. Objek penelitian
Tempat yang menjadi objek penelitian BATIK PELANGI yang berlokasi
di Karang Turi 1A Pajang Solo 57146.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
7
2. Sumber data
a. Data sekunder
Data sekunder adalah data yang dikumpulkan dan disatukan oleh
studi-studi sebelumnya atau yang diterbitkan oleh berbagai
instansi lain (Suparmoko, 1999). Adapun data yang diperoleh
adalah :
1) Sejarah berdirinya BATIK PELANGI.
2) Struktur Organisasi BATIK PELANGI.
3) Data jumlah penjualan produk baju batik blus.
3. Teknik pengumpulan data.
a. Metode Observasi
Metode observasi merupakan prosedur yang sistematis dan
standar dalam pengumpulan data (Wahyuni dan Sumarni, 2006).
Dalam penelitian ini, peneliti melakukan pengamatan dan
pencatatan langsung kegiatan yang dilakukan BATIK PELANGI
yang berkaitan dengan masalah yang diteliti.
b. Metode Wawancara
Metode wawancara merupakan komunikasi atau pembicaraan dua
arah yang dilakukan oleh pewawancara dan responden untuk
menggali informasi yang relevan dengan tujuan penelitian
(Wahyuni dan Sumarni, 2006). Dalam penelitian ini, peneliti
melakukan wawancara dengan pimpinan dan karyawan BATIK
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
8
PELANGI mengenai proses produksi, permintaan periode lalu,
kendala – kendala dalam proses produksi.
c. Metode Studi Pustaka
Metode studi pustaka adalah teknik untuk memperoleh informasi
dengan menelusuri literarur yang ada, dan menggali teori-teori
yang telah berkembang. Dalam penelitian ini penulis mempelajari
literature yang berkaitan dengan peramalan.
4. Teknik Analisis Data
Metode analisis yang digunakan dalam peramalan penjualan produk
dalam penelitian ini adalah :
a. Metode Rata-rata Bergerak Tunggal (Single Moving Averages).
Metode rata-rata bergerak tunggal menggunakan sejumlah data
aktual permintaan yang baru untuk membangkitkan nilai ramalan
untuk permintaan dimasa yang akan datang. Metode ini akan efektif
diterapkan apabila kita dapat mengasumsikan bahwa permintaan
pasar terhadap produk akan tetap stabil sepanjang waktu
(Gaspersz, 2005). Metode ini mempunyai dua sifat khusus yaitu
untuk membuat forecast memerlukan data historis dalam jangka
waktu tertentu, semakin panjang moving averages akan
menghasilkan moving averages yang semakin halus.
b. Metode Penghalusan Exsponensial (Exponential Smoothing).
Metode exponential smoothing adalah suatu prosedur yang
mengulang perhitungan secara terus menerus yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
9
menggunakan data terbaru. Setiap data diberi bobot, dimana
bobot yang digunakan disimbolkan dengan α. Simbol α bisa
ditentukan secara bebas, yang mengurangi forecast error. Nilai
konstanta pemulusan (α) dapat dipilih diantara nilai 0 dan1
(Subagyo, 2002). Secara metematis.
c. Metode Weight Moving Averages (Ratarata Tertimbang ).
Apabila ada pola yang trend dan pola yang terdeteksi , bobot
dapat digunakan untuk menempatkan penekanan yang lebih
pada nilai terkini. Teknik ini lebih responsif terhadap perubahan
karena periode yang lebih dekat mendapat bobot yang lebih
berat. Pemilihan bobot merupakan hal yang tidak pasti karena
tidak ada rumus untuk menetapkan (Render dan Heizer, 2005 ).
d. Proyeksi Trend
Metode peramalan dengan proyeksi trend ini mencocokan
garis trend kerangkaian titik data historis dan kemudian
memproyeksi garis itu kedalam ramalan jangka menengah
hingga jangka panjang. Jika mengembangakan garis trend linier
dengan metode statistik, metode yang tepat digunakan adalah
metode kuadrat kecil (Least square method). Pendekatan ini
menghasilkan garis lurus yang meminimalkan jumlah kuadrat
perbedaan vertikal dari garis pada setiap observasi aktual.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
10
e. Pengukuran Hasil Akurasi Peramalan
teknik yang digunakan untuk mengukur tingkat perbedaan
antara hasil peramalan dengan permintaan yang sebenarnya
terjadi adalah :
1) Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih
besar atau lebih kecil dibandingkan kenyataannya.
2) Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE).
MSE merupakan metode alternatif dalam suatu
metode peramalan. Pendekatan ini penting karena teknik ini
menghasilkan kesalahan yang moderat lebih di sukai oleh
suatu peramalan yang menghasilkan kesalahan yang sangat
besar. MSE dihitung dengan menjumlahkan kuadrat semua
kesalahan peramalan pada setiap periode dan membaginya
dengan jumlah periode peramalan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
11
F. Kerangka Pemikiran
Gambar 1.1
Kerangka Pemikiran
Data Historis
Data Penjualan Produk
Metode Peramalan
Single Moving Average, , Eksponential Smoothing, weighted moving average
dan proyeksi trend
Penentuan Error Mencari tingkat kesalahan
dari masing-masing metode MAD dan MSE
Penentuan Metode Peramalan yang Tepat
Dipilih tingkat error terkecil
Ramalan yang Akan Datang
Penjualan produk yang akan datang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
12
Keterangan :
BATIK PELANGI dalam melakukan penjualan mengalami fluktuasi
dari bulan ke bulan, entah itu naik, turun atau stabil, sehingga
perusahaan perlu membuat suatu peramalan untuk mengetahui berapa
besarnya penjualan produk pada periode yang akan datang. Dimana
untuk membuat ramalan tersebut diperlukan suatu data historis pada
periode – periode sebelumnya. Data sebelumnya digunakan untuk
meramalkan permintaan diperiode yang akan datang. Dalam
menghitung data tersebut digunakan 4 metode, yaitu Single Moving
Average, Exponential Smoothing, weighted moving averages, dan
proyection trend.
Dari hasil peramalan tersebut dicari tingkat kesalahan pada
masing-masing metode peramalan. Penghitungan kesalahan
peramalan tersebut menggunakan MAD (Mean Absolute Error) dan
MSE (Mean Square Error).Untuk mengetahui mana metode yang paling
tepat dicari tingkat kesalahan (error) yang lebih mendekati nol pada
masing-masing metode peramalan.
Dari hasil peramalan tersebut dapat diketahui jumlah penjualan
produk baju batik blus dan hem pada bulan april. Dengan adanya hasil
peramalan tersebut, memberikan kemudahan dalam mengetahui
jumlah penjualan produk, hal tersebut akan dijadikan sebagai dasar
dalam perencanaan produksi oleh manajer perusahaan dalam
memproduksi produk baju batik blus dan hem dibulan Maret.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
13
Selanjutnya manajer akan mengambil keputusan setelah mengetahui
data peramalan dan perencanaan diatas.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
14
BAB II
TINJAUAN PUSTAKA
1. Pengertian Peramalan
Peramalan merupakan gambaran keadaan perusahaan pada
masa yang akan datang. Gambaran tersebut sangat penting bagi
manajemen perusahaan dalam merencanakan berapa jumlah
produksi dan kebutuhan bahan baku dimasa yang akan dating.
Berikut pengertian peramalan menurut pendapat dari beberapa ahli:
a. Peramalan adalah perhitungan yang objektif dan dengan
menggunakan data-data masa lalu, untuk menentukan sesuatu
di masa yang akan datang (Sumayang, 2003).
b. Peramalan (forecasting) adalah seni dan ilmu untuk
memperkirakan kejadian di masa depan (Render dan Heizer,
2005).
c. Forecasting adalah peramalan (perkiraan) mengenai sesuatu
yang belum terjadi. Dalam hal ilmu pengetahuan sosial segala
sesuatu itu belum pasti, lain halnya dengan ilmu eksakta.
Jumlah penduduk, pendapatan perkapita, volume penjualan,
volume penjualan perusahaan, konsumsi dan lain sebagainya
itu selalu berubah-ubah, dalam hal ini perlu adanya data untuk
mengadakan forecast (Subagyo, 2002)
d. Peramalan adalah Proses untuk memperkirakan beberapa
kebutuhan dimasa yang akan datang yang meliputi kebutuhan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
15
dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang dan
jasa (Nasution, 2003).
Dari keempat pendapat para ahli di atas maka dapat ditarik
kesimpulan bahwa peramalan adalah seni dari ilmu memprediksi
sesuatu yang belum terjadi dengan menggunakan acuan data-data
sebelumnya.
2. Tujuan Peramalan
Menurut (Subagyo 2002) tujuan peramalan adalah
mendapatkan peramalan yang bisa meminimunkan kesalahan
meramal (forecst error ) yang biasa diukur dengan Mean Absolute
Error (MAD) dan Mean Squre Error (MSE). Sehingga dengan
adanya peramalan produksi manajemen perusahaan akan
mendapatkan gambaran keadaan produksi dimasa yang akan
datang, dan akan memberikan kemudahan manajeman perusahaan
dalam menentukan kebijakan yang akan dibuat oleh perusahaan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
16
3. Jenis Peramalan
Menurut (Render dan Heizer 2005) peramalan dapat dibedakan
menjadi 3 jenis yaitu:
a. Peramalan ekonomi ( economic forecast )
Mejelaskan siklus bisnis dengan memprediksi tingkat inflasi,
ketersediaan uang, dana, yang dibutuhkan untuk membangun
perumahaan dan indikator perencanaan lainnya.
b. Peramalan Teknologi ( Technological forecast )
Memperhatikan tingkat kemajuan teknologi yang dapat
meluncurkankan produk baru yang menarik, membutuhkan
pabrik, dan peralatan baru.
c. Peramalan Permintaan ( Demand forecast )
Proyeksi permintaan untuk produk atau layanan suatu
perusahaan. Peramalan ini juga disebut peramalan penjualan,
yang mengendalikan produksi, kapasitas, serta system
penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran, dan sumber daya manusia.
4. Peramalan Menurut Horizon Waktunya
Peramalan dapat dibedakan kedalam tiga kelompok, yaitu
(Nasution:2005) :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
17
a. Peramalan Jangka Panjang, yaitu peramalan yang umumnya
dua sampai sepuluh tahun. Peramalan ini digunakan untuk
perencanaan produk dan perencanaan sumber daya.
b. Peramalan Jangka Menengah, yaitu peramalan yang umumnya
satu sampai dua puluh empat bulan. Peramalan ini lebih khusus
dibandingkan peramalan jangka panjang, biasanya digunakan
untuk menentukan aliran kas, perencanaan produksi, dan
penentuan anggaran.
c. Peramalan Jangka Pendek, yaitu peramalan yang umumnya
satu sampai lima minggu. Peramalan ini digunakan untuk
mengambil keputusan dalam hal perlu tidaknya lembur,
penjadwalan kerja, dan lain-lain.
5. Faktor-faktor yang Mempengaruhi Peramalan
Permintaan suatu produk pada suatu perusahaan sangat
dipengaruhi oleh berbagai faktor lingkungan yang saling
berinteraksi dalam pasar yang berada di luar kendali perusahaan.
Dimana faktor - faktor lingkungan tersebut juga akan
mempengaruhi peramalan.
Berikut ini merupakan beberapa faktor lingkungan yang
mempengaruhi peramalan (Yamit, 2005):
a. Kondisi umum bisnis dan ekonomi
b. Reaksi dan tindakan pesaing
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
18
c. Tindakan pemerintah
d. Kecenderungan pasar
e. Siklus hidup produk
f. Gaya dan mode
g. Perubahan permintaan konsumen
h. Inovasi teknologi
6. Sifat – sifat Peramalan
Dalam membuat peramalan atau menerapkan hasil peramalan,
ada beberapa hal yang harus dipertimbangkan, yaitu (Nasution,
2003):
a. Peramalan pasti mengandung kesalahan, artinya peramal
hanya bisa mengurangi ketidakpastian yang akan terjadi tetapi
tidak dapat menghilangkan ketidakpastian tersebut.
b. Peramalan seharusnya memberikan informasi mengenai berapa
ukuran kesalahan.
c. Peramalan jangka pendek lebih akurat dibandingkan dengan
peramalan jangka panjang.
7. Tahap-Tahap Peramalan
Menurut (Render dan Heizer, 2005) ada tujuh tahap yaitu :
a. Menentukan tujuan peramalan
b. Memilih unsur apa yang akan diramal
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
19
c. Menentukan horison waktu peramalan, ( pendek, menengah,
atau panjang)
d. Memilih tipe model peramalan
e. Mengumpulkan data yang diperlukan untuk melakukan
peramalan
f. Membuat peramalan
g. Memvalidasi dan menerapkan hasil peramalan
Menurut (Yamit, 2005), Tahapan peramalan adalah sebagai
berikut:
a. Menentukan tujuan dari peramalan
b. Memilih item independent demand yang diramalkan
c. Menentukan horizon waktu dari peramalan
d. Memilih model - model peramalan
e. Memperoleh data yang dibutuhkan untuk melakukan peramalan
f. Validasi model peramalan
g. Membuat peramalan
h. Implementasi hasil - hasil peramalan
i. Memantau keandalan hasil peramalan
8. Karateristik Peramalan Yang Baik.
Menurut (Nasution, 2003). Karateristik peramalan yang baik
sebagai berikut :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
20
a. Akurasi
Diukur dengan kebiasaan dan kekonsistenan peramalan
tersebut.
b. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan
adalah tergantung dari jumlah item yang diramalkan, lama
periode, metode peramalan yang dipakai.
c. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat,
dan mudah diaplikasikan akan memberikan keuntungan bagi
perusahaan
9. Metode Peramalan
Menurut (Render dan Heizer 2005) ada dua jenis pendekatan
dalam peramalan :
a. Metode Kuantitatif
Metode ini menggunakan berbagai model matematis yang
menggunakan data historis dan atau variabelvariabel kausal
untuk meramalkan permintaan.
1) Model Time Series :
a) Metode Rata-rata Bergerak Tunggal (Single Moving
Averages).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
21
Metode rata-rata bergerak tunggal menggunakan
sejumlah data actual permintaan yang baru untuk
membangkitkan nilai ramalan untuk permintaan dimasa
yang akan datang. Metode ini akan efektif diterapkan
apabila kita dapat mengasumsikan bahwa permintaan
pasar terhadap produk akan tetap stabil sepanjang waktu
(Gaspersz, 2005). Metode ini mempunyai dua sifat
khusus yaitu untuk membuat forecast memerlukan data
historis dalam jangka waktu tertentu, semakin panjang
moving averages akan menghasilkan moving averages
yang semakin halus.
b) Metode Penghalusan Exsponensial (Exponential
Smoothing).
Metode exponential smoothing adalah suatu prosedur
yang mengulang perhitungan secara terus menerus yang
menggunakan data terbaru. Setiap data diberi bobot,
dimana bobot yang digunakan disimbolkan dengan α.
Simbol α bisa ditentukan secara bebas, yang mengurangi
forecast error. Nilai konstanta pemulusan (α) dapat dipilih
diantara nilai 0 dan1 (Subagyo, 2002).
c) Metode Weighted Moving Averages (Rata - rata
tertimbang ).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
22
Apabila ada pola yang trend dan pola yang terdeteksi ,
bobot dapat digunakan untuk menempatkan penekanan
yang lebih pada nilai terkini. Teknik ini lebih responsif
terhadap perubahan karena periode yang lebih dekat
mendapat bobot yang lebih berat. Pemilihan bobot
merupakan hal yang tidak pasti karena tidak ada rumus
untuk menetapkan (Render dan Heizer, 2005 ).
b. Model klausal
1) Proyeksi Trend
Metode peramalan dengan proyeksi trend ini mencocokan
garis trend kerangkaian titik data historis dan kemudian
memproyeksi garis itu kedalam ramalan jangka menengah
hingga jangka panjang. Jika mengembangakan garis trend
linier dengan metode statistik, metode yang tepat digunakan
adalah metode kuadrat kecil (Least square method).
Pendekatan ini menghasilkan garis lurus yang
meminimalkan jumlah kuadrat perbedaan vertical dari garis
pada setiap observasi aktual.
2) Analisis Regresi Linier
Metode ini selain menggunakan nilai historis untuk variabel
yang diramalkan banyak faktorfaktor yang bisa
dipertimbangkan, misalnya dalam membuat perencanaan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
23
produksi harus mempertimbangkan kesiapan tenaga kerja,
kesiapan kondisi mesin yang baik.
c. Teknik Kualitatif
Yaitu peramalan yang mengabungkan faktorfaktor penting
seperti Intuisi pengambil keputusan, pengalaman pribadi, emosi,
dan sistim nilai (Render dan Heizer, 2005), Teknik peramalan
kualitatif yang dapat digunakan adalah sebagi berikut:
1) Keputusan dari Pendapat Juri eksekutif ( Jury of executive
opinion ).
Teknik peramalan yang meminta pendapat segolongan kecil
manajer tingkat tinggi dan menghasilkan estimasi
permintaan kelompok.
2) Metode Delphi (delphi method)
Teknik peramalan yang mengunakan proses kelompok
dimana para pakar melakukan peramalan.
3) Gabungan dari Teknik Penjualan (seles force composite)
Teknik peramalan berdasarkan prediksi tenaga penjualan
akan penjualan yang diharapkan.
4) Survei Pasar Konsumen (consumer market survey)
Metode peramalan yang meminta input dari konsumen
mengenai rencana pembelian mereka dimasa depan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
24
10. Pengukuran Hasil Akurasi Peramalan
Salah satu cara mengevaluasi teknik peramalan adalah
menggunakan ukuran tentang tingkat perbedaan antara hasil
peramalan dengan permintaan yang sebenarnya terjadi. Menurut
Nasution (2003), ada empat ukuran yang biasa digunakan, yaitu:
a. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih
besar atau lebih kecil dibandingkan kenyataannya.
b. Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE).
MSE merupakan metode alternatif dalam suatu metode
peramalan. Pendekatan ini penting karena teknik ini
menghasilkan kesalahan yang moderat lebih di sukai oleh suatu
peramalan yang menghasilkan kesalahan yang sangat besar.
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan
peramalan pada setiap periode dan membaginya dengan
jumlah periode peramalan
c. Rata-rata Kesalahan Peramalan (Mean Forecast Error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil
peramalan selama periode tertentu terlalu tinggi atau terlalu
rendah. Bila hasil peramalan tidak bias, maka nilai MFE akan
mendekati nol. MFE dihitung denagn menjumlahkan semua
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
25
kesalahan peramalan selam periode peramalan dan
membaginya dengan jumlah periode peramalan.
d. Rata-rata Persentase Kesalahan Absolut (Mean Absolute
Percentage Error = MAPE)
MAPE merupakan ukuran kesalahan relative. MAPE biasanya
lebih berarti dibandingakan MAD karena MAFE menyatakan
persentase kesalahan hasil peramalan terhadap permintaan
aktual selama periode tertentu yang akan memberikan informasi
persentase kesalahan terlalu tinggi atau terlalu rendah.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
26
BAB III
PEMBAHASAN
A. Gambaran Umum Perusahaan
1. Sejarah Berdirinya Perusahaan
Perusahaan Batik Pelangi didirikan oleh Bapak Muhammad
Hanafi Sucipto pada tahun 1980. Beliau lahir di Yogyakarta 11 Juni
1949. Awal mulanya sebelum mendirikan sebuah perusahaan batik,
Bapak Hanafi bekerja sebagai buruh di Perusahaan Batik Danar
Hadi yang sampai sekarang ini menjadi salah satu perusahaan
batik yang terkenal di Kota Surakarta. Beliau bekerja sekitar tahun
1976 sampai dengan tahun 1980, tetapi beliau bekerja di
Perusahaan Batik Danar Hadi hanya sebentar, setelah itu Bapak
Hanafi membantu orangtuanya yang juga sebagai seorang
pengusaha batik. Saat itu lokasi perusahaan yang dijalani beliau
dengan orangtuanya berada di daerah Kabangan Laweyan
Surakarta, yang merupakan lokasi pertama beliau dalam memulai
bisnisnya sebagai pengusaha batik.
Dari situlah Bapak Hanafi memiliki kemampuan dalam
mengelola dan memanajemeni di bidang batik, serta mempunyai
keinginan untuk mendirikan sebuah perusahaan batik sendiri.
Alasan lain beliau ingin mendirikan perusahaan batik adalah karena
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
27
pada waktu itu beliau tidak mempunyai pekerjaan tetap selain
membantu orangtuanya dan juga dikarenakan belum ada
perusahaan batik didaerah sekitar pada saat itu, sehingga belum
banyak pesaing. Dengan keinginannya yang kuat, akhirnya secara
perlahan-lahan beliau mampu mendirikan perusahaan batik sendiri
dengan dibantu istrinya, perusahaan tersebut berlokasi di Pajang,
tepatnya di Jalan Karangturi 1A yang sampai sekarang ini masih
menjadi tempat usahanya.
Dengan mempekerjakan kurang lebih seratus orang
karyawan, perusahaan batik milik Bapak Hanafi bisa berkembang
dan mengalami kemajuan hingga saat ini, yang mampu
menghasilkan bermacam-macam batik, baik berupa produk jadi
maupun lembaran kain batik. Adapun jenis produknya adalah batik
tulis dan batik cap dengan jenis kain primissima, santung, paris dan
sutra. Selain itu perusahaan juga memproduksi batik kombinasi,
yaitu perpaduan antara batik tulis dan batik cap ( dalam prosesnya).
Sekarang ini Perusahaan Batik Pelangi masih memproduksi
ketiga jenis produk tersebut, tetapi untuk batik tulis sendiri
mengalami penurunan. Hal ini disebabkan karena batik tulis yang
diproduksi perusahaan Bapak Hanafi kalah bersaing di pasaran
dengan perusahaan-perusahaan batik lainnya yang sudah
mempunyai nama khususya di Kota Surakarta misalnya, batik
Danar Hadi. Jadi untuk saat ini Perusahaan Batik Pelangi lebih
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
28
banyak memproduksi batik cap dan batik kombinasi yang menjadi
produk unggulannya.
Perusahaan Batik Pelangi merupakan perusahaan home
industri yang bersifat perseorangan. Dikerenakan perusahaan ini
didirikan, dipimpin dan dikelola oleh Bapak Hanafi sendiri dengan
dibantu istrinya. Produk yang dihasilkan Perusahaan Batik Pelangi
adalah berupa lembaran kain batik dan produk jadi, misalnya
kemeja pria, pakaian wanita seperti busana muslim yang
memanjang, pakaian anak-anak.
Adapun tujuan dari pendirian Perusahaan Batik Pelangi
adalah sebagai berikut :
a. Melestarikan budaya bangsa yang bersifat tradisional agar
tetap eksis dan lestari pada masyarakat globalisasi
sekarang ini.
b. Memperoleh keuntungan.
c. Membuka lapangan pekerjaan, terutama masyarakat
sekiitar perusahaan.
d. Mensejahterakan karyawan.
e. Mencukupi kebutuhan sandang bagi masyarakat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
29
2. Lokasi Perusahaan
Lokasi Perusahaan Batik Pelangi berada di Jalan Karangturi
1A Pajang, Laweyan Surakarta. Dengan letaknya yang strategis
sehingga mudah untuk dijangkau. Sejak berdiri sampai sekarang
lokasi perusahaan belum pernah berpindah tempat.
Perusahaan ini mempunyai dua bangunan yang mempunyai
fungsi berbeda, yaitu bangunan depan digunakan untuk tempat
pemasaran dan rumah batik atau showroom. Sedangkan bangunan
yang terletak di bagian belakang digunakan sebagai tempat
berlangsungnya proses produksi pembuatan batik.
3. Struktur Organisasi
Struktur organisasi Perusahaan Batik Pelangi alurnya bersifat
langsung, yaitu dari pemimpin perusahaan kepada para karyawan
yang langsung menjalankan proses produksi tanpa melalui manajer
atau supervisor terlebih dahulu. Hal ini disebabkan Perusahaan
Batik Pelangi merupakan perusahaan home industri yang sifatnya
perseorangan.
Adapun bagan struktur organisasi Perusahaan Batik Pelangi
adalah sebagai berikut :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
30
Gambar 3.2
Struktur organisasi
Tugas dan wewenang
a. Pemimpin Perusahaan
Pemimpin perusahaan merupakan pemilik dari perusahaan
itu sendiri, yang bertanggung jawab penuh atas kelangsungan
hidup perusahaan, sehingga mempunyai wewenang untuk
merencanakan semua kegiatan yang akan dilakukan sesuai
dengan tujuan perusahaan yang telah ditentukan, mengkoordinir
karyawan dalam melaksanakan tugasnya dan melakukan
pengawasan langsung terhadap pekerjaan para karyawan. Selain
Pemimpin Perusahaan
Bagian
Produksi
Bagian Pemasaran
Bagian Administrasi Keuangaan
Karyawan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
31
itu pemimpin perusahaan memiliki wewenang untuk menentukan
kebijakan perusahaan.
b. Bagian Administrasi Keuangan
Bertugas menangani masalah administratif yaitu melakukan
pencatatan secara periode, misalnya penggajian karyawan,
pemesanan, pemasukan dan pengeluaran perusahaan.
Bagian administrasi dan keuangan juga bertanggung jawab
atas pelaksanaan dan kelancaran administrasi perusahaan. Bagian
administrasi keuangan perusahaan ini dipegang oleh pemimpin
perusahaan sendiri.
c. Bagian Produksi
Tugas dan wewenang kepala bagian produksi yaitu
mengamati dan mengawasi jalannya proses produksi, memberi
perintah langsung kepada karyawan untuk melakukan sesuatu
yang berhubungan dengan kegiatan proses produksi.
d. Bagian Pemasaran
Pemimpin perusahaan turut ambil bagian dalam bidang
pemasaran, terutama dalam kebijakan penjualan dan penentuan
harga. Untuk bagian pemasaran sendiri mempunyai tugas
menangani masalah yang berkaitan dengan promosi dan
penjualan, yaitu melayani konsumen yang akan melakukan
transaksi dengan perusahaan serta mengadakan hubungan baik
dengan penyalur.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
32
e. Karyawan
Bertugas menjalankan pekerjaan dengan sebaik-baiknya atas
beban yang diberikan serta bertanggungjawab atas pekerjaan
yang dilakukan tersebut.
4. Aspek SDM
Untuk saat ini Perusahaan Batik Pelangi mempekerjakan
tenaga atau karyawan sebanyak 112 secara keseluruhan.
Adapun rinciannya sebagai berikut :
a. Bagian pemotongan : 4 orang
b. Bagian pengecapan : 15 orang
c. Bagian pewarnaan : 15 orang
d. Bagian pembatikan : 50 orang
e. Bagian menjahit : 25 orang
f. Bagian pemasaran : 3 orang
Berikut jam kerja kayawan di Perusahaan Batik Pelangi
adalah :
§ Hari kerja : Senin – Sabtu
§ Hari libur : Minggu
§ Jam kerja : Pukul 08.00 – 16.00, jam istirahat pukul 12.00 –
13.00
Di Perusahaan Batik Pelangi tenaga kerjanya bersifat
borongan. Jadi untuk upah yang diperoleh masing-masing
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
33
karyawan berdasarkan banyak sedikitnya hasil pekerjaan,
penghitungan upah ditentukan persatuan produk yang dihasilkan
dan tergantung pada jenis kain yang digunakan serta tingkat
kesulitan pengerjaannya.
Untuk tunjangan yang diberikan karyawan dari perusahaan
hanya Tunjangan Hari Raya ( THR ), yang berupa uang tunai
dan barang, biasanya batik jadi atau lembaran kain batik yang
diproduksi sendiri. Besarnya tunjangan yang dberikan
berdasarkan kemampuan perusahaan atau tergantung masa
kerja karyawan.
5. Aspek Produksi
a. Jenis produk
Produk yang dihasilkan oleh Perusahaan Batik Pelangi adalah
batik tulis dan batik cap. Jenis kain yang digunakan bermacam-
macam antara lain, primissima, santung, paris dan sutra. Selain
itu perusahaan ini juga memproduksi batik kombinasi yaitu
perpaduan proses batik tulis dan proses batik cap, yang
sekarang ini menjadi produk unggulan.
b. Alat-alat yang digunakan untuk proses produksi batik kombinasi,
terdiri dari :
1) Canting ( alat untuk membatik )
2) Wajan, berukuran besar dan kecil untuk mencairkan lilin
3) Kompor ( ukuran kecil dan besar )
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
34
4) Alat cap dengan berbagai motif
5) Gawangan ( alat untuk penyangga kain saat membatik )
6) Meja yang dilapisi busa, digunakan untuk mengecap
7) Bak atau ember pewarnaan dan pencucian
c. Bahan Baku
Terdiri dari :
1) Kain mori berwarna putih bersih
2) Malam atau lilin
3) Obat pewarna kain
d. Proses Produksi
Untuk proses produksi batik kombinasi melalui beberapa
tahap. Dalam pembahasan akan dibahas proses produksi batik
kombinasi secara rinci, adapun alur kegiatan proses produksi
pada Perusahaan Batik Pelangi sebagai berikut :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
35
Gambar 3.3
Alur proses produksi
Pemotongan kain
Pengecapan
Pemilihan warna
Pewarnaan I
Nglorod I
Penjemuran I
Pembatikan I
Pewarnaan II
Penjemuran II
Pembatikan II
Pewarnaan III
Nglorod II
Penjemuran III
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
36
6. Hasil Produksi
Produk-produk yang dihasilkan Perusahaan Batik Pelangi
berupa produk atau kain jadi, seperti kemeja pria, pakaian
wanita, busana muslim wanita, pakaian anak. Selain itu produk
yang dihasilkan berupa lembaran kain batik.
7. Aspek Pemasaran
Untuk daerah pemasaran batik di Perusahaan Batik Pelangi
hanya dalam lingkup domestik, yaitu meliputi daerah Surakarta,
Yogyakarta dan Jakarta serta ditambah dengan pesanan atau
order yang jumlahnya tidak menentu setiap waktunya. Selain itu
perusahaan memiliki tempat pemasaran sendiri yang disebut
showroom, yang letaknnya masih satu tempat dengan
perusahaan.
Segmen pasar dari Batik Pelangi adalah kalangan menengah
kebawah, semua orang bisa membeli batik pelangi, selain harga
yang tidak terlalu mahal batik Pelangi juga memiliki kualitas yang
baik.
B. Laporan Magang Kerja
1. Pengertian Magang Kerja
Magang kerja adalah kegiatan intrakurikuler yang dilakukan
oleh mahasiswa sebagai penunjang perkuliahan diluar kampus
dengan berorientasi pada dunia nyata yang merupakan aplikasi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
37
teori-teori yang dipelajari selama perkuliahan. Sebelum
melaksanakan magang kerja, mahasiswa terlebih dahulu dibekali
dalam berbagai pengetahuaan praktis. Selain itu magang kerja
sebagai syarat dalam penulisan tugas akhir yang harus dan
wajib dilaksanakan oleh mahasiswa jenjang diploma tiga
Manajemen Industri.
2. Manfaat Magang Kerja
Agar Mahasiswa dapat menerapkan materi-materi selama
perkuliahan khususnya dalam bidang industri. Selain itu
mahasiswa dapat memperoleh pengalaman langsung dan
pegetahuan tentang berbagai aktivitas dalam dunia usaha.
3. Pelaksanaan Magang Kerja
Magang kerja dilakukan di Perusahaan Batik Pelangi, yang
beralamat di jalan Karangturi 1a Pajang, Laweyan Surakarta.
Pelaksanaannya selama satu bulan, yaitu mulai tanggal 8
Februari 2011–8 Maret 2011. Mahasiswa magang kerja masuk
satu minggu tiga kali, dari pukul 09.00-12.00. Dikarenakan
pelaksanaan magang kerja tidak ditentukan atau ditetapkan oleh
perusahaan yang bersangkutan.
Adapun rincian kegiatan yang dilakukan mahasiswa saat
magang kerja adalah sebagai berikut :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
38
a. Minggu pertama
1) Melakukan pengenalan pada lingkungan kerja dan
melakukan perkenalan dengan pemilik perusahaan, para
karyawan di bagian produksi serta melakukan
wawancara langsung dengan pemilik perusahaan
tentang sejarah perusahaan.
2) Mengamati langsung proses produksi pembuatan batik
secara singkat.
b. Minggu kedua
Melakukan observasi dan wawancara langsung dengan
karyawan bagian produksi termasuk bagian pembatikan,
bagaimana cara kerjannya mulai dari pemotongan kain,
pengecapan, proses pewarnaan dan pembatikan serta
menanyakan waktu yang diperlukan untuk masing-
masing pekerjaan dan bagaimana tata letak ( layout )
Perusahaan Batik Pelangi.
c. Minggu ketiga
Observasi dan wawancara langsung dengan karyawan
bagian konveksi, mulai dari bagaimana pembuatan pola,
pemotongan kain dan tahap-tahap menjahit.
d. Minggu keempat
Mengamati proses finishing dan sistem pemasaran
barang.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
39
C. Pembahasan masalah
PERUSAHAAN BATIK PELANGI yaitu perusahaan yang
bergerak dibidang industri batik. Produk utama yang dihasilkan
Batik Pelangi berupa daster, baju batik blus, kemeja dewasa dan
anak-anak.
Dalam bab ini penulis akan membahas tentang peramalan
penjualan produk baju batik blus dan kemeja pada batik pelangi.
Metode yang akan digunakan penulis adalah Single moving
average, exponential smoothing, weighted moving average dan
trend projection
Untuk mengetahui peramalan penjualan baju batik blus dan
kemeja diperlukan data yang cukup relevan. adapun data yang
digunakan untuk meramalkan produk baju batik blus dan kemeja
pada PERUSAHAAN BATIK PELANGI dapat dilihat pada tabel 3.1 :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
40
Tabel 3.1
Data penjualan baju batik blus
April 2010 – Maret 2011
no Bulan Penjualan
1
2
3
4
5
6
7
8
9
10
11
12
April 2010
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari 2011
Februari
Maret
139
180
382
240
310
330
270
240
320
370
260
210
Sumber: data penjualan baju batik blus batik pelangi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
41
Tabel 3.2
Data penjualan kemeja batik
April 2010 – Maret 2011
No Bulan Penjualan
1
2
3
4
5
6
7
8
9
10
11
12
April 2010
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari 2011
Februari
Maret
80
83
70
92
98
88
96
103
97
123
106
114
Sumber: data penjualan kemeja batik pelangi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
42
1.a. Penentuan peramalan penjualan baju batik blus
a. metode Single Moving Averages 3 bulanan
metode Single Moving Average dengan periode waktu 3
bulanan yaitu melakukan peramalan dengan menjumlahkan tiga
periode penjualan baju batik blus sebelumnya lalu dibagi 3
Tabel 3.3
Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Single Moving Average 3 bulanan
April 2010 – April 2011
Sumber: POM For Windows
Batik Pelangi Solution
Demand(y) Forecast Error |Error| Error^2
April 139
May 180
June 382
July 240 233,67 6,33 6,33 40,11
August 310 267,33 42,67 42,67 1820,45
September 330 310,67 19,33 19,33 373,78
October 270 293,33 -23,33 23,33 544,44
November 240 303,33 -63,33 63,33 4011,11
December 320 280 40 40 1600
January 370 276,67 93,33 93,33 8711,11
February 260 310 -50 50 2500
March 210 316,67 -106,67 106,67 11377,78
TOTALS 3251 -41,67 445 30978,78
AVERAGE 270,92 -4,63 49,44 3442,09
Next period forecast 280 (Bias) (MAD) (MSE)
Std err 66,52
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
43
Hasil ramalan penjualan Baju Batik Blus pada bulan April 2011
menggunakan POM For Windows dengan metode Single Moving
Averages 3 bulanan yaitu 280 buah dengan tingkat kesalahan MAD 49,44
dan MSE 3442,09
Adapun secara matematis persamaan yang digunakan adalah:
Rata – rata bergerak =
Metode yang digunakan adalah Single Moving Averages 3 bulanan,
maka untuk meramalkan dengan periode 3 bulanan dimulai dari bulan ke
4 yaitu dengan perhitungan sebagai berikut:
F Juli =
= 233,66667 dibulatkan menjadi 234
F Agustus =
= 267,33333 dibulatkan menjadi 267
Untuk perhitungan peramalan bulan berikutnya langkahnya sama
seperti diatas yaitu dengan menjumlahkan data penjualan selama 3 bulan,
data diambil 3 bulan sebelum bulan peramalan , dan dibagi n yaitu 3.
Hasil peramalan (forecast) bulan April 2011 adalah:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
44
F April 2011 =
= 280
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD = ∑
=
= 49,44
MSE = ∑
= = 3442,09
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
45
Hasil perhitungan ramalan penjualan baju batik blus pada bulan
april 2011 secara manual dengan metode Single Moving Averages 3
bulanan yaitu 280 buah dengan tingkat kesalahan MAD 49,44 dan MSE
3442,09.
Dari hasil perhitungan dengan menggunakan metode Single
Moving Averages 3 bulanan diatas diperoleh ramalan penjualan baju batik
blus untuk bulan april 2011 yaitu 280 buah. Metode Single Moving
Average 3 bulanan ini digunakan dengan tujuan untuk mengurangi atau
menghilangkan variasi acak permintaan dalam hubungannya dengan
waktu. Tujuan ini dicapai dengan melakukan peramalan dengan cara
menjumlahkan tiga periode penjualan baju batik blus sebelumnya lalu
dibagi 3, sesuai dengan arti dari metode Single Moving Averages 3
bulanan itu sendiri.
b. Metode Exsponential Smoothing
Metode Exsponential Smoothing yaitu merupakan teknik rata – rata
bergerak terhadap data masa lalu dengan memberi penimbang terhadap
data terakhir. Jadi untuk melakukan peramalan dibutuhkan satu data
terakhir dan penimbang dengan α = 0.1, α = 0.5 α = 0.9.
1) Exsponensial Smoothing dengan α = 0.1
Exsponential Smoothing dengan α = 0.1 artinya memberi bobot
yang lebih kecil pada peramalan sebelumnya dibanding dengan
data sebelumnya
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
46
Tabel 3.4
Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Exsponential Smoothing alpha 0.1
April 2010 – April 2011
Sumber: POM for windows
Hasil ramalan penjualan baju batik blus pada bulan April 2011
menggunakan POM For Windows dengan metode Exponential Smoothing
α = 0,1 yaitu 236,78 buah dengan ukuran tingkat kesalahan MAD 94,3 dan
MSE 13001,81.
Batik Pelangi Solution
Demand(y) Forecast Error | E r r o r | Error^2
April 139
May 180 139 41 41 1681
June 382 143,1 238,9 238,9 57073,21
July 240 167 73 73 5330,46
August 310 174,29 135,71 135,71 18416,93
September 330 187,86 142,14 142,14 20203,24
October 270 202,08 67,92 67,92 4613,71
November 240 208,87 31,13 31,13 969,19
December 320 211,98 108,02 108,02 11668,03
January 370 222,78 147,22 147,22 21672,79
February 260 237,5 22,5 22,5 506,03
March 210 239,75 -29,75 29,75 885,32
TOTALS 3251 977,79 1037,3 143019,9
AVERAGE 270,92 88,89 94,3 13001,81
Next period forecast
236,78 (Bias) (MAD) (MSE)
Std err 126,06
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
47
Untuk bulan pertama belum dapat di forecast karena data yang
kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk
diolah, adapun forecast untuk bulan kedua sebesar 139 dan forecast pada
periode berikutnya dapat dihitung dengan menggunakan data penjualan
sebelumnya.
Adapun secara matematis persamaan yang digunakan adalah :
= + α( - )
F Juni = 139 + 0,1 (180 – 139)
= 143,1 dibulatkan menjadi 143
F Juli = 143,1 + 0,1 ( 382 – 143,1)
= 166,99 dibulatkan menjadi 167
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Adapun hasil ramalan bulan April 2011 dan tingkat kesalahan
adalah sebagai berikut :
F April 2011 = 239,75 + 0,1 (210 – 239,75)
= 236,78 dibulatkan menjadi 237
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
48
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 94,3
MSE =
=
= 13001,81
Hasil perhitungan ramalan penjualan baju batik blus pada bulan
April 2011 secara manual dengan metode exponential smoothing α= 0,1
yaitu 237 Buah dengan tingkat kesalahan MAD 94,3 dan MSE 13001,81.
Dari hasil perhitungan dengan menggunakan metode Exsponensial
Smoothing α= 0,1 di atas diperoleh ramalan penjualan baju batik blus
untuk bulan April 2011 yaitu 237 buah. Nilai konstanta penghalus (α) 0,1
dipilih agar bertujuan untuk memberikan bobot yang lebih kecil pada
peramalan sebelumnya dibanding dengan data sebelumnya. Tujuan
pemilihan suatu nilai untuk konstanta penghalus (α) adalah untuk
mendapatkan peramalan paling akurat.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
49
2) Exsponential Smoothing dengan α= 0,5
Exsponensial Smoothing dengan α = 0,5 artinya memberi bobot
yang sama antara peramalan sebelumnya sehingga terjadi
keseimbangan.
Tabel 3.5
Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Exsponential Smoothing alpha 0.5
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 139
May 180 139 41 41 1681
June 382 159,5 222,5 222,5 49506,25
July 240 270,75 -30,75 30,75 945,56
August 310 255,38 54,63 54,63 2983,89
September 330 282,69 47,31 47,31 2238,47
October 270 306,34 -36,34 36,34 1320,87
November 240 288,17 -48,17 48,17 2320,53
December 320 264,09 55,91 55,91 3126,38
January 370 292,04 77,96 77,96 6077,3
February 260 331,02 -71,02 71,02 5044,05
March 210 295,51 -85,51 85,51 7312,09
TOTALS 3251 227,51 771,11 AVERAGE 270,92 20,68 70,1 7505,13
Next period forecast 252,76 (Bias) (MAD) (MSE)
Std err 95,78
Sumber: pom for windows
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
50
Hasil ramalan penjualan baju batik blus pada bulan April 2011
menggunakan POM For Windows dengan metode Exponential Smoothing
α = 0,5 yaitu 252,76 buah dengan ukuran tingkat kesalahan MAD 70,1 dan
MSE 7505,13
Untuk bulan pertama belum dapat di forecast karena data yang
kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk
diolah, adapun forecast untuk bulan kedua sebesar 139 dan forectas pada
periode berikutnya dapat dihitung dengan menggunakan data penjualan
sebelumnya.
Adapun secara matematis persamaan yang digunakan adalah :
= + α( - )
F Juni = 139 + 0,5 (180 – 139)
= 159,5 dibulatkan menjadi 160
F Juli = 159,5 + 0,5 (382 – 159,5)
= 270,75 dibulatkan menjadi 271
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Adapun hasil ramalan bulan April 2011 dan tingkat kesalahan
adalah sebagai berikut :
F April 2011 = 295,51 + 0,5 (210 - 295,51)
= 252,76 dibulatkan menjadi 253
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
51
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 70,1
MSE =
=
=7505,13
Hasil perhitungan ramalan penjualan baju batik blus pada bulan April
2011 secara manual dengan metode exponential smoothing α= 0,5 yaitu
253 Buah dengan tingkat kesalahan MAD 70,1 dan MSE 7505,13
Dari hasil perhitungan dengan menggunakan metode Exsponensial
Smoothing α= 0,5 di atas diperoleh ramalan penjualan baju batik blus
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
52
untuk bulan April 2011 yaitu 253 buah. Nilai konstanta penghalus (α) 0,5
dipilih agar bertujuan untuk memberikan bobot yang lebih kecil pada
peramalan sebelumnya dibanding dengan data sebelumnya. Tujuan
pemilihan suatu nilai untuk konstanta penghalus (α) adalah untuk
mendapatkan peramalan paling akurat.
3) Exsponential Smoothing dengan α= 0,9
Exsponensial Smoothing dengan α = 0,9 artinya memberi bobot
yang lebih besar pada peramalan sebelumnya dibanding dengan data
sebelumnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
53
Tabel 3.6
Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Exsponential Smoothing alpha 0.9
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 139
May 180 139 41 41 1681
June 382 175,9 206,1 206,1 42477,21
July 240 361,39 -121,39 121,39 14735,53
August 310 252,14 57,86 57,86 3347,9
September 330 304,21 25,79 25,79 664,92
October 270 327,42 -57,42 57,42 3297,22
November 240 275,74 -35,74 35,74 1277,5
December 320 243,57 76,43 76,43 5840,9
January 370 312,36 57,64 57,64 3322,67
February 260 364,24 -104,24 104,24 10865,09
March 210 270,42 -60,42 60,42 3651
TOTALS 3251 85,6 844,03 91160,94
AVERAGE 270,92 7,78 76,73 8287,36
Next period forecast 216,04 (Bias) (MAD) (MSE)
Std err 100,64
Sumber: POM for windows
Hasil ramalan penjualan baju batik blus pada bulan April 2011
menggunakan POM For Windows dengan metode Exponential Smoothing
α = 0,9 yaitu 216,04 buah dengan ukuran tingkat kesalahan MAD 76,73
dan MSE 8287,35.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
54
Untuk bulan pertama belum dapat di forecast karena data yang
kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk
diolah, adapun forecast untuk bulan kedua sebesar 139 dan forecast pada
periode berikutnya dapat dihitung dengan menggunakan data penjualan
sebelumnya.
Adapun secara matematis persamaan yang digunakan adalah :
= + α( - )
F Juni = 139 + 0,9 (180 – 139)
= 175,9 dibulatkan menjadi 176
F Juli = 175,9 + 0,9 (382 – 175,9)
= 361,39dibulatkan menjadi 360
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Adapun hasil ramalan bulan April 2011 dan tingkat kesalahan
adalah sebagai berikut :
F April 2011 = 270,42 + 0,9 (210 – 270,42)
= 216,04 dibulatkan menjadi 215
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
55
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 76,73
MSE =
=
=8287,36
Hasil perhitungan ramalan penjualan baju batik blus pada bulan April
2011 secara manual dengan metode exponential smoothing α= 0,9 yaitu
216 Buah dengan tingkat kesalahan MAD 76,73 dan MSE 8287,36
Dari hasil perhitungan dengan menggunakan metode Exsponensial
Smoothing α= 0,9 di atas diperoleh ramalan penjualan baju batik blus
untuk bulan April 2011 yaitu 216 buah. Nilai konstanta penghalus (α) 0,9
dipilih agar bertujuan untuk memberikan bobot yang lebih kecil pada
peramalan sebelumnya dibanding dengan data sebelumnya. Tujuan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
56
pemilihan suatu nilai untuk konstanta penghalus (α) adalah untuk
mendapatkan peramalan paling akurat.
c. Metode weighted Moving Average 3 bulan terbobot (rata – rata
tertimbang)
Metode weighted Moving Average 3 bulanan terbobot artinya metode
peramalan yang menggunakan pembobotan didalam melakukan
peramalan. Pemberian bobot untuk metode weighted Moving Average 3
bulanan adalah 1 bulan yang lalu diberi bobot 3, 2 bulan yang lalu diberi
bobot 2, sedangkan 3 bulan yang lalu diberi bobot 1 dan jumlah
pembobotan yaitu 6.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
57
Tabel 3.7
Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode weighted Moving Average 3 bulanan terbobot
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 139
May 180
June 382
July 240 274,17 -34,17 34,17 1167,36
August 310 277,33 32,67 32,67 1067,11
September 330 298,67 31,33 31,33 981,78
October 270 308,33 -38,33 38,33 1469,45
November 240 296,67 -56,67 56,67 3211,11
December 320 265 55 55 3025
January 370 285 85 85 7225
February 260 331,67 -71,67 71,67 5136,11
March 210 306,67 -96,67 96,67 9344,44
TOTALS 3251 -93,5 501,5 32627,36
AVERAGE 270,92 -10,39 55,72 3625,26
Next period forecast 253,33 (Bias) (MAD) (MSE)
Std err 68,27
Sumber: POM for windows
Hasil ramalan penjualan baju batik blus pada bulan April 2011
menggunakan POM For Windows dengan metode Weighted Moving
Average pembobotan 3 yaitu 253,33 buah dengan ukuran tingkat
kesalahan MAD 55,72 dan MSE 3625,26.
Pada teknik ini, data pada periode terakhir dianggap lebih valid,
sehingga diberi bobot lebih besar. Berikut adalah contoh perhitungan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
58
peramalan penjualan produk baju batik blus dengan metode Weighted
Moving Average dengan 3 bulan terbobot:
Rata – rata bergerak dengan pembobotan dapat digambarkan secara
matematis sebagai berikut:
Rata - rata bergerak dengan pembobotan:
F Juli =
= 274,167
F Agustus =
= 277,33 dibulatkan menjadi 277
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Hasil peramalan bulan April 2011 adalah:
F April 2011 =
= 253,33 dibulatkan menjadi 253
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
59
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 55,72
MSE =
=
=3625,26
Hasil perhitungan ramalan penjualan baju batik blus pada bulan April
2011 secara manual dengan metode Weighted Moving Average
pembobotan 3 yaitu 253 Buah dengan tingkat kesalahan MAD 55,72 dan
MSE 3625,26
Dari hasil perhitungan dengan menggunakan metode Weighted
Moving Average pembobotan 3 diatas diperoleh ramalan penjualan baju
batik blus untuk bulan April 2011 yaitu 253 buah. Penggunaan metode
Weighted Moving Average ini dikarenakan metode ini lebih responsif
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
60
terhadap perubahan karena periode yang lebih dekat mendapat bobot
yang lebih berat. Pemilihan bobot merupakan hal yang tidak pasti karena
tidak ada rumus untuk menetapkannya.
d. Metode proyeksi Trend (Trend Projection)
Metode proyeksi Trend adalah sebagai model regesi linier yang
menghubungkan penjualan dengan waktu.
Tabel 3.8
Perhitungan Peramalan Penjualan Baju Batik Blus
Dengan Metode Trend Projection
April 2010 – April 2011
batik pelangi solution
Demand(y) Time(x) x^2 x * y Forecast Error |Error| Error^2
April 139 1 1 139 241,17 -102,17 102,17 10438,02
May 180 2 4 360 246,58 -66,58 66,58 4432,33
June 382 3 9 1146 251,98 130,02 130,02 16903,94
July 240 4 16 960 257,39 -17,39 17,39 302,55
August 310 5 25 1550 262,8 47,2 47,2 2227,56
September 330 6 36 1980 268,21 61,79 61,79 3817,74
October 270 7 49 1890 273,62 -3,62 3,62 13,11
November 240 8 64 1920 279,03 -39,03 39,03 1523,37
December 320 9 81 2880 284,44 35,56 35,56 1264,56
January 370 10 100 3700 289,85 80,15 80,15 6424,26
February 260 11 121 2860 295,26 -35,26 35,26 1243,1
March 210 12 144 2520 300,67 -90,67 90,67 8220,45
TOTALS 3251 78 650 21905 0 709,42 56810,98
AVERAGE 270,92 6,5 0 59,12 4734,25
Next period forecast 306,08 (Bias) (MAD) (MSE)
Intercept 235,76 Std err 75,37
Slope 5,41
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
61
Hasil ramalan penjualan baju batik blus pada bulan April 2011
menggunakan POM For Windows dengan metode Trend Projection yaitu
306,08 buah dengan ukuran tingkat kesalahan MAD 59,12 dan MSE
4734,25.
Contoh perhitungan peramalan penjualan baju batik blus dengan
metode Trend Projection secara matematis persamaan yang digunakan
adalah :
=
F April = 255,76 + (5,41) (1)
= 241,17
F Maret = 255,76 + (5,41) (2)
= 246,58
Untuk menentukan nilai x dan y menggunakan rumus :
= =
= 6,5 = 270,92
untuk mengetahui nilai dan menggunakan rumus :
=
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
62
= = 5,41
= 270,92 – (5,41) (6,5)
= 235,76
Adapun hasil ramalan baju batik blus bulan April 2011 dan tingkat
kesalahan adalah sebagai berikut :
F April 2011 = 235,76 + (5,41) (13)
= 306,08 dibulatkan menjadi 306
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 59,12
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
63
MSE =
=
= 4734,25
Hasil perhitungan ramalan penjualan baju batik blus pada bulan
April 2011 secara manual dengan metode Trend Projection yaitu 306
dengan tingkat kesalahan MAD 59,12 dan MSE 4734,25.
Dari hasil perhitungan dengan menggunakan metode Trend
Projection diatas diperoleh peramalan penjualan baju batik blus untuk
bulan April 2011 yaitu 306 buah. Metode Trend Projection ini digunakan
untuk meramal atau memperkirakan kuantitas penjualan baju batik blus
pada peiode yang akan datang. Dengan menggunakan metode ini
perusahaan yang bersangkutan mempunyai anggapan bahwa penjualan
baju batik blus relatif tetap.
1.b. Penentuan peramalan penjualan kemeja batik
a. metode Single Moving Averages 3 bulanan
metode Single Moving Average dengan periode waktu 3 bulanan
yaitu melakukan peramalan dengan menjumlahkan tiga periode
penjualan baju batik blus sebelumnya lalu dibagi 3
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
64
Tabel 3.9
Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Single Moving Average 3 bulanan
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 80
May 83
June 70
July 92 77,67 14,33 14,33 205,44
August 98 81,67 16,33 16,33 266,78
September 88 86,67 1,33 1,33 1,78
October 96 92,67 3,33 3,33 11,11
November 103 94 9 9 81
December 97 95,67 1,33 1,33 1,78
January 123 98,67 24,33 24,33 592,11
February 106 107,67 -1,67 1,67 2,78
March 114 108,67 5,33 5,33 28,44
TOTALS 1150 73,67 77 1191,22
AVERAGE 95,83 8,19 8,56 132,36
Next period forecast 114,33 (Bias) (MAD) (MSE)
Std err 13,05
Sumber: POM For Windows
Hasil ramalan penjualan kemeja batik pada bulan April 2011
menggunakan POM For Windows dengan metode Single Moving
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
65
Averages 3 bulanan yaitu 114,33 buah dengan tingkat kesalahan MAD
8,56 dan MSE 132,36
Adapun secara matematis persamaan yang digunakan adalah:
Rata – rata bergerak =
Metode yang digunakan adalah Single Moving Averages 3 bulanan,
maka untuk meramalkan dengan periode 3 bulanan dimulai dari bulan ke
4 yaitu dengan perhitungan sebagai berikut:
F Juli =
= 77,67 dibulatkan menjadi 78
F Agustus =
= 81,67 dibulatkan menjadi 82
Untuk perhitungan peramalan bulan berikutnya langkahnya sama
seperti diatas yaitu dengan menjumlahkan data penjualan selama 3 bulan,
data diambil 3 bulan sebelum bulan peramalan , dan dibagi n yaitu 3.
Hasil peramalan (forecast) bulan April 2011 adalah:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
66
F April 2011 =
= 114,33 dibulatkan menjadi 114
Karena data berupa data penjualan kemeja batik maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD = ∑
=
= 8,56
MSE = ∑
=
= 132,36
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
67
Hasil perhitungan ramalan penjualan kemeja batik pada bulan april
2011 secara manual dengan metode Single Moving Averages 3 bulanan
yaitu 114 buah dengan tingkat kesalahan MAD 8,56 dan MSE 132,36.
Dari hasil perhitungan dengan menggunakan metode Single
Moving Averages 3 bulanan diatas diperoleh ramalan penjualan kemeja
batik untuk bulan april 2011 yaitu 114 buah. Metode Single Moving
Average 3 bulanan ini digunakan dengan tujuan untuk mengurangi atau
menghilangkan variasi acak permintaan dalam hubungannya dengan
waktu. Tujuan ini dicapai dengan melakukan peramalan dengan cara
menjumlahkan tiga periode penjualan kemeja batik sebelumnya lalu dibagi
3, sesuai dengan arti dari metode Single Moving Averages 3 bulanan itu
sendiri.
b. Metode Exsponential Smoothing
Metode Exsponential Smoothing yaitu merupakan teknik rata – rata
bergerak terhadap data masa lalu dengan memberi penimbang terhadap
data terakhir. Jadi untuk melakukan peramalan dibutuhkan satu data
terakhir dan penimbang dengan α = 0.1, α = 0.5 α = 0.9.
1). Exsponensial Smoothing dengan α = 0.1
Exsponential Smoothing dengan α = 0.1 artinya memberi bobot
yang lebih kecil pada peramalan sebelumnya dibanding dengan data
sebelumnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
68
Tabel 3.10
Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Exsponential Smoothing alpha 0.1
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 80
May 83 80 3 3 9
June 70 80,03 -10,03 10,03 100,6
July 92 79,93 12,07 12,07 145,69
August 98 80,05 17,95 17,95 322,19
September 88 80,23 7,77 7,77 60,37
October 96 80,31 15,69 15,69 246,25
November 103 80,46 22,54 22,54 507,85
December 97 80,69 16,31 16,31 266,02
January 123 80,85 42,15 42,15 1776,37
February 106 81,27 24,73 24,73 611,35
March 114 81,52 32,48 32,48 1054,84
TOTALS 1150 184,65 204,71 5100,54
AVERAGE 95,83 16,79 18,61 463,69
Next period forecast 81,85 (Bias) (MAD) (MSE)
Std err 23,81
Sumber: POM For Windows
Hasil ramalan penjualan kemeja batik pada bulan April 2011
menggunakan POM For Windows dengan metode Exponential Smoothing
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
69
α = 0,1 yaitu 81,85 buah dengan ukuran tingkat kesalahan MAD 18,61dan
MSE 463,69.
Untuk bulan pertama belum dapat di forecast karena data yang
kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk
diolah, adapun forecast untuk bulan kedua sebesar 80 dan forecast pada
periode berikutnya dapat dihitung dengan menggunakan data penjualan
sebelumnya.
Adapun secara matematis persamaan yang digunakan adalah :
= + α( - )
F Juni = 80 + 0,1 (83 – 80)
= 80,03 dibulatkan menjadi 80
F Juli = 80,83 + 0,1 (70 – 80,83)
= 79,93 dibulatkan menjadi 80
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Adapun hasil ramalan bulan April 2011 dan tingkat kesalahan
adalah sebagai berikut :
F April 2011 = 81,52 + 0,1 (114 – 81,52)
= 81,85 dibulatkan menjadi 82
Karena data berupa data penjualan kemeja batik maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
70
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 18,61
MSE =
=
= 463,69
Hasil perhitungan ramalan penjualan kemeja batik pada bulan April
2011 secara manual dengan metode exponential smoothing α= 0,1 yaitu
82 Buah dengan tingkat kesalahan MAD 18,61 dan MSE 463,69.
Dari hasil perhitungan dengan menggunakan metode Exsponensial
Smoothing α= 0.1 di atas diperoleh ramalan penjualan kemeja batik untuk
bulan April 2011 yaitu 82 buah. Nilai konstanta penghalus (α) 0.1 dipilih
agar bertujuan untuk memberikan bobot yang lebih kecil pada peramalan
sebelumnya dibanding dengan data sebelumnya. Tujuan pemilihan suatu
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
71
nilai untuk konstanta penghalus (α) adalah untuk mendapatkan peramalan
paling akurat.
2).Exsponential Smoothing dengan α= 0,5
Exsponensial Smoothing dengan α = 0,5 artinya memberi bobot
yang sama antara peramalan sebelumnya sehingga terjadi
keseimbangan.
Tabel 3.11
Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Exsponential Smoothing alpha 0.5
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 80
May 83 80 3 3 9
June 70 81,5 -11,5 11,5 132,25
July 92 75,75 16,25 16,25 264,06
August 98 83,88 14,13 14,13 199,52
September 88 90,94 -2,94 2,94 8,63
October 96 89,47 6,53 6,53 42,66
November 103 92,73 10,27 10,27 105,38
December 97 97,87 -,87 ,87 ,75
January 123 97,43 25,57 25,57 653,64
February 106 110,22 -4,22 4,22 17,78
March 114 108,11 5,89 5,89 34,71
TOTALS 1150 62,11 101,15 1468,38
AVERAGE 95,83 5,65 9,2 133,49
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
72
Next period forecast 111,05 (Bias) (MAD) (MSE)
Std err 12,77
Sumber: POM For Windows
Hasil ramalan penjualan kemeja batik pada bulan April 2011
menggunakan POM For Windows dengan metode Exponential Smoothing
α = 0,5 yaitu 111,05 buah dengan ukuran tingkat kesalahan MAD 9,2 dan
MSE 133,49.
Untuk bulan pertama belum dapat di forecast karena data yang
kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk
diolah, adapun forecast untuk bulan kedua sebesar 112 dan forectas pada
periode berikutnya dapat dihitung dengan menggunakan data penjualan
sebelumnya.
Adapun secara matematis persamaan yang digunakan adalah :
= + α( - )
F Juni = 80 + 0,5 (83 – 80)
= 81,5 dibulatkan menjadi 82
F Juli = 81.5 + 0,5 (70 – 81,5)
= 75,75 dibulatkan menjadi 271
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Adapun hasil ramalan bulan April 2011 dan tingkat kesalahan
adalah sebagai berikut :
F April 2011 = 108,11 + 0,5 (114 – 108,11)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
73
= 111,5 dibulatkan menjadi 112
Karena data berupa data penjualan Baju Batik Blus maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 9,2
MSE =
=
=133,49
Hasil perhitungan ramalan penjualan kemeja batik pada bulan April
2011 secara manual dengan metode exponential smoothing α= 0,5 yaitu
112 Buah dengan tingkat kesalahan MAD 9,2 dan MSE 133,49.
Dari hasil perhitungan dengan menggunakan metode Exsponensial
Smoothing α= 0.5 di atas diperoleh ramalan penjualan kemeja batik untuk
bulan April 2011 yaitu 112 buah. Nilai konstanta penghalus (α) 0.5 dipilih
agar bertujuan untuk memberikan bobot yang lebih kecil pada peramalan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
74
sebelumnya dibanding dengan data sebelumnya. Tujuan pemilihan suatu
nilai untuk konstanta penghalus (α) adalah untuk mendapatkan peramalan
paling akurat.
3). Exsponential Smoothing dengan α= 0,9
Exsponensial Smoothing dengan α = 0,9 artinya memberi bobot
yang lebih besar pada peramalan sebelumnya dibanding dengan data
sebelumnya.
Tabel 3.12
Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Exsponential Smoothing alpha 0.9
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 80
May 83 80 3 3 9
June 70 82,7 -12,7 12,7 161,29
July 92 71,27 20,73 20,73 429,73
August 98 89,93 8,07 8,07 65,17
September 88 97,19 -9,19 9,19 84,51
October 96 88,92 7,08 7,08 50,14
November 103 95,29 7,71 7,71 59,41
December 97 102,23 -5,23 5,23 27,34
January 123 97,52 25,48 25,48 649,08
February 106 120,45 -14,45 14,45 208,87
March 114 107,45 6,55 6,55 42,97
TOTALS 1150 37,05 120,2 1787,51
AVERAGE 95,83 3,37 10,93 162,5
Next period forecast 113,34 (Bias) (MAD) (MSE)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
75
Std err 14,09
Sumber: POM For Windows
Hasil ramalan penjualan kemeja batik pada bulan April 2011
menggunakan POM For Windows dengan metode Exponential Smoothing
α = 0,9 yaitu 113,34 buah dengan ukuran tingkat kesalahan MAD 10,93
dan MSE 162,5.
Untuk bulan pertama belum dapat di forecast karena data yang
kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk
diolah, adapun forecast untuk bulan kedua sebesar 80 dan forecast pada
periode berikutnya dapat dihitung dengan menggunakan data penjualan
sebelumnya.
Adapun secara matematis persamaan yang digunakan adalah :
= + α( - )
F Juni = 80 + 0,9 (83 – 80)
= 82,7 dibulatkan menjadi 83
F Juli = 82,7 + 0,9 (70 – 82,7)
= 71,27 dibulatkan menjadi 71
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Adapun hasil ramalan bulan April 2011 dan tingkat kesalahan
adalah sebagai berikut :
F April 2011 = 107,45 + 0,9 (114 – 107,45)
= 113,34 dibulatkan menjadi 113
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
76
Karena data berupa data penjualan kemeja batik maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 10,93
MSE =
=
=162,5
Hasil perhitungan ramalan penjualan kemeja batik pada bulan April
2011 secara manual dengan metode exponential smoothing α= 0,9 yaitu
113 Buah dengan tingkat kesalahan MAD 10,93 dan MSE 162,5
Dari hasil perhitungan dengan menggunakan metode Exsponensial
Smoothing α= 0,9 di atas diperoleh ramalan penjualan baju batik blus
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
77
untuk bulan April 2011 yaitu 113 buah. Nilai konstanta penghalus (α) 0,9
dipilih agar bertujuan untuk memberikan bobot yang lebih kecil pada
peramalan sebelumnya dibanding dengan data sebelumnya. Tujuan
pemilihan suatu nilai untuk konstanta penghalus (α) adalah untuk
mendapatkan peramalan paling akurat.
c. Metode weighted Moving Average 3 bulan terbobot (rata – rata
tertimbang)
Metode weighted Moving Average 3 bulanan terbobot artinya metode
peramalan yang menggunakan pembobotan didalam melakukan
peramalan. Pemberian bobot untuk metode weighted Moving Average 3
bulanan adalah 1 bulan yang lalu diberi bobot 3, 2 bulan yang lalu diberi
bobot 2, sedangkan 3 bulan yang lalu diberi bobot 1 dan jumlah
pembobotan yaitu 6.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
78
Tabel 3.13
Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode weighted Moving Average 3 bulanan terbobot
April 2010 – April 2011
batik pelangi solution
Demand(y) Forecast Error |Error| Error^2
April 80
May 83
June 70
July 92 76 16 16 256
August 98 83,17 14,83 14,83 220,03
September 88 91,33 -3,33 3,33 11,11
October 96 92 4 4 16
November 103 93,67 9,33 9,33 87,11
December 97 98,17 -1,17 1,17 1,36
January 123 98,83 24,17 24,17 584,03
February 106 111 -5 5 25
March 114 110,17 3,83 3,83 14,69
TOTALS 1150 62,67 81,67 1215,33
AVERAGE 95,83 6,96 9,07 135,04
Next period forecast 112,83 (Bias) (MAD) (MSE)
Std err 13,18
Sumber: POM For Windows
Hasil ramalan penjualan kemeja batik pada bulan April 2011
menggunakan POM For Windows dengan metode Weighted Moving
Average pembobotan 3 yaitu 112,83 buah dengan ukuran tingkat
kesalahan MAD 9,07 dan MSE 135,04.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
79
Pada teknik ini, data pada periode terakhir dianggap lebih valid,
sehingga diberi bobot lebih besar. Berikut adalah contoh perhitungan
peramalan penjualan produk kemeja batik dengan metode Weighted
Moving Average dengan 3 bulan terbobot:
Rata – rata bergerak dengan pembobotan dapat digambarkan secara
matematis sebagai berikut:
Rata - rata bergerak dengan pembobotan:
F Juli =
= 76
F Agustus =
= 83,17 dibulatkan menjadi 83
Untuk perhitungan peramalan berikutnya sama seperti diatas, data
yang digunakan untuk memforecast adalah data penjualan sebelumnya.
Hasil peramalan bulan April 2011 adalah:
F April 2011 =
= 112,83 dibulatkan menjadi 113
Karena data berupa data penjualan kemeja batik maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
80
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
= 9,07
MSE =
=
=135,04
Hasil perhitungan ramalan penjualan baju batik blus pada bulan April
2011 secara manual dengan metode Weighted Moving Average
pembobotan 3 yaitu 113 Buah dengan tingkat kesalahan MAD 9,07 dan
MSE 135,04
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
81
Dari hasil perhitungan dengan menggunakan metode Weighted
Moving Average pembobotan 3 diatas diperoleh ramalan penjualan
kemeja batik untuk bulan April 2011 yaitu 113 buah. Penggunaan metode
Weighted Moving Average ini dikarenakan metode ini lebih responsif
terhadap perubahan karena periode yang lebih dekat mendapat bobot
yang lebih berat. Pemilihan bobot merupakan hal yang tidak pasti karena
tidak ada rumus untuk menetapkannya.
d. Metode proyeksi Trend (Trend Projection)
Metode proyeksi Trend adalah sebagai model regesi linier yang
menghubungkan penjualan dengan waktu.
Tabel 3.14
Perhitungan Peramalan Penjualan Kemeja Batik
Dengan Metode Trend Projection
April 2010 – April 2011
batik pelangi solution
Demand(y) Time(x) x^2 x * y Forecast Error |Error| Error^2
April 80 1 1 80 76,6 3,4 3,4 11,54
May 83 2 4 166 80,1 2,9 2,9 8,42
June 70 3 9 210 83,6 -13,6 13,6 184,84
July 92 4 16 368 87,09 4,91 4,91 24,09
August 98 5 25 490 90,59 7,41 7,41 54,93
September 88 6 36 528 94,09 -6,09 6,09 37,03
October 96 7 49 672 97,58 -1,58 1,58 2,5
November 103 8 64 824 101,08 1,92 1,92 3,69
December 97 9 81 873 104,57 -7,57 7,57 57,37
January 123 10 100 1230 108,07 14,93 14,93 222,87
February 106 11 121 1166 111,57 -5,57 5,57 31
March 114 12 144 1368 115,06 -1,06 1,06 1,13
TOTALS 1150 78 650 7975 0 70,94 639,42
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
82
AVERAGE 95,83 6,5 0 5,91 53,28
Next period forecast 118,56 (Bias) (MAD) (MSE)
Intercept 73,11 Std err 8
Slope 3,5
Sumber: POM For Windows
Hasil ramalan penjualan kemeja batik pada bulan April 2011
menggunakan POM For Windows dengan metode Trend Projection yaitu
118,56 buah dengan ukuran tingkat kesalahan MAD 5,91 dan MSE 53,28.
Contoh perhitungan peramalan penjualan kemeja batik dengan
metode Trend Projection secara matematis persamaan yang digunakan
adalah :
=
F April = 73,11 + (3,5) (1)
= 76,6
F Maret = 73,11 + (3,5) (2)
= 80,1
Untuk menentukan nilai x dan y menggunakan rumus :
= =
= 6,5 = 95,83
untuk mengetahui nilai dan menggunakan rumus :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
83
=
= = 3,5
= 95,83 – (3,5) (6,5)
= 73,11
Adapun hasil ramalan kemeja batik bulan April 2011 dan tingkat
kesalahan adalah sebagai berikut :
F April 2011 = 73,11 + (3,5) (13)
= 118,56 dibulatkan menjadi 119
Karena data berupa data penjualan kemeja batik maka tidak
mungkin hasilnya berupa pecahan, maka hasil peramalan dibulatkan
dengan syarat:
0 – 0,449 dibulatkan menjadi 0.
0,5 – 0,999 dibulatkan menjadi 1.
Perhitungan tingkat kesalan
Secara matematis persamaan yang digunakan adalah:
MAD =
=
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
84
= 5,91
MSE =
=
= 53,28
Hasil perhitungan ramalan penjualan kemeja batik pada bulan April
2011 secara manual dengan metode Trend Projection yaitu 119 dengan
tingkat kesalahan MAD 5,91 dan MSE 53,28.
Dari hasil perhitungan dengan menggunakan metode Trend
Projection diatas diperoleh peramalan penjualan baju batik blus untuk
bulan April 2011 yaitu 119 buah. Metode Trend Projection ini digunakan
untuk meramal atau memperkirakan kuantitas penjualan kemeja batik
pada peiode yang akan datang. Dengan menggunakan metode ini
perusahaan yang bersangkutan mempunyai anggapan bahwa penjualan
kemeja batik relatif tetap.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
85
2. Perbandingan Kesalahan Peramalan
Tabel 3.15
Perbandingan Output Peramalan Penjualan Baju Batik Blus
Pada Perusahaan Batik Pelangi
Dari perhitungan keempat metode diatas, diketahui bahwa hasil
perhitungan dengan metode Single Moving Average lebih baik dan lebih
cocok diterapkan oleh PERUSAHAAN BATIK PELANGI dalam
meramalkan penjualan baju batik blus pada bulan April 2011, karena
metode Single Moving Average memilki tingkat kesalahan lebih rendah
Keterangan MAD MSE Ramalan
Bulan April 2011
Single Moving
Averages 3 bulanan 49,44 3442,09 280
0,1 94,3 13001,81 236,78
0,5 70,1 7505,13 252,76 Exponential Smoothing
0,9 76,73 8287,36 216,04
Weighted Moving Average
Bobot 3 55,72 3625,26 253,33
Trend Projection 59,12 4734,25 306,08
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
86
dibandingkan ketiga metode diatas. adapun tingkat kesalahan peramalan,
MAD (Mean Absolute Deviation) sebesar 49,44 dan MSE (Mean Square
Error) sebesar 3442,09 dengan hasil peramalan untuk bulan April 2011
sebesar 280.
Tabel 3.16
Perbandingan Output Peramalan Penjualan Kemeja Batik
Pada Perusahaan Batik Pelangi
Dari perhitungan keempat metode diatas, diketahui bahwa hasil
perhitungan dengan metode Trend Projection lebih baik dan lebih cocok
diterapkan oleh PERUSAHAAN BATIK PELANGI dalam meramalkan
penjualan kemeja batik pada bulan April 2011, karena metode Trend
Projection memilki tingkat kesalahan lebih rendah dibandingkan ketiga
Keterangan MAD MSE Ramalan
Bulan April 2011
Single Moving
Averages 3 bulanan 8,56 132,36 114,33
0,1 18,61 463,69 81,85
0,5 9,2 133,49 111,05 Exponential Smoothing
0,9 10,93 162,5 113,34
Weighted Moving Average
Bobot 3 9,07 135,04 112,83
Trend Projection 5,91 53,28 118,56
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
87
metode diatas. adapun tingkat kesalahan peramalan, MAD (Mean
Absolute Deviation) sebesar 5,91 dan MSE (Mean Square Error) sebesar
53,28 dengan hasil peramalan untuk bulan April 2011 sebesar 118,56.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
88
BAB IV
PENUTUP
A. Kesimpulan
Berdasarkan analisis dan pembahasan yang telah penulis lakukan pada
bab III, maka dapat diambil kesimpulan dari pembahasan dalam penelitian
pada PERUSAHAAN BATIK PELANGI Surakarta adalah sebagai berikut :
1) Ramalan jumlah penjualan Baju Batik Blus Tahun 2011 yang
berdasarkan metode Single Moving Averages, Exponential smoothing,
Weighted Moving Averages dan Trend Projection adalah sebagai
berikut :
a. Metode Single Moving Averages 3 bulanan
· Ramalan Penjualan adalah 280
b. Metode Exponential Smoothing dengan alpha 0,1
· Ramalan Penjualan adalah 237
c. Metode Exponential Smoothing dengan alpha 0,5
· Ramalan Penjualan adalah 253
d. Metode Exponential Smoothing dengan alpha 0,9
· ramalan Penjualan adalah 216
e. Metode Weighted Moving Averages dengan pembobotan 3
· Ramalan Penjualan adalah 253
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
89
f. Metode Trend Projection
· Ramalan Penjualan adalah 306,08
Ramalan jumlah penjualan Kemeja Batik Tahun 2011 yang
berdasarkan metode Single Moving Averages, Exponential smoothing,
Weighted Moving Averages dan Trend Projection adalah sebagai
berikut :
a. Metode Single Moving Averages 3 bulanan
· Ramalan Penjualan adalah 114
b. Metode Exponential Smoothing dengan alpha 0,1
· Ramalan Penjualan adalah 82
c. Metode Exponential Smoothing dengan alpha 0,5
· Ramalan Penjualan adalah 112
d. Metode Exponential Smoothing dengan alpha 0,9
· ramalan Penjualan adalah 113
e. Metode Weighted Moving Averages dengan pembobotan 3
· Ramalan Penjualan adalah 113
f. Metode Trend Projection
· Ramalan Penjualan adalah 119
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
90
3) Forecast error dari penjualan Baju Batik Blus Tahun 2011 yang
berdasarkan metode Single Moving Averages, Exponential smoothing,
Weighted Moving Averages dan Trend Projection adalah sebagai
berikut :
a) Metode Single Moving Averages 3 bulanan
1. MAD sebesar 49,44
2. MSE sebesar 3442,09
b) Metode Exponential Smoothing dengan alpha 0,1
1. MAD sebesar 237
2. MSE sebesar 13001,81
c) Metode Exponential Smoothing dengan alpha 0,5
1. MAD sebesar 70,1
2. MSE sebesar 7505,13
d) Metode Exponential Smoothing dengan alpha 0,9
1. MAD sebesar 76,73
2. MSE sebesar 8287,36
e) Metode Weighted Moving Averages dengan pembobotan 3
1. MAD sebesar 55,72
2. MSE sebesar 3625,26
f) Metode Trend Projection
1. MAD sebesar 59,12
2. MSE sebesar 4734,25
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
91
Forecast error dari penjualan Kemeja Batik Tahun 2011 yang
berdasarkan metode Single Moving Averages, Exponential smoothing,
Weighted Moving Averages dan Trend Projection adalah sebagai
berikut :
a) Metode Single Moving Averages 3 bulanan
1. MAD sebesar 8,56
2. MSE sebesar 132,36
b) Metode Exponential Smoothing dengan alpha 0,1
1. MAD sebesar 18,61
2. MSE sebesar 463,69
c) Metode Exponential Smoothing dengan alpha 0,5
1. MAD sebesar 9,2
2. MSE sebesar 133,49
d) Metode Exponential Smoothing dengan alpha 0,9
1. MAD sebesar 10,93
2. MSE sebesar 162,5
e) Metode Weighted Moving Averages dengan pembobotan 3
1. MAD sebesar 9,07
2. MSE sebesar 135,04
f) Metode Trend Projection
1. MAD sebesar 5,91
2. MSE sebesar 53,28
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
92
4) Metode yang sesuai dan baik untuk diterapkan pada
PERUSAHAAN BATIK PELANGI untuk produk Baju Batik Blus tahun
2011 adalah metode Single Moving Average, karena memiliki tingkat
error yang terkecil dibandingkan dengan metode Exsponensial
Smoothing dengan alpha (α=0.1; α=0.5; α=0.9), Weighted Moving
Averages dan Trend Projection.
Metode yang sesuai dan baik untuk diterapkan PERUSAHAAN
BATIK PELANGI untuk produk Kemeja Batik tahun 2011 adalah
metode Trend Projection, karena memiliki tingkat error yang terkecil
dibandingkan dengan metode Single Moving Averages dengan periode
waktu 3 bulanan,Exsponensial Smoothing dengan alpha (α=0.1; α=0.5;
α=0.9), dan Weighted Moving Averages.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
93
B. Saran
Berdasarkan hasil analisis data dan kesimpulan maka dapat dikemukakan
saran-saran sebagai bahan pertimbangan PERUSAHAAN BATIK
PELANGI dalam menentukan kebijakan dalam hal peramalan penjualan
produk baju batik blus dan kemeja batik. Adapun saran-saran penulis
adalah sebagai berikut:
1. Untuk meningkatkan efisiensi produksi, perusahaan perlu melakukan
ramalan penjualan dengan menggunakan data yang akurat dan
relevan serta metode ramalan yang sesuai dengan fluktuasi data,
sehingga dapat meminimalisir kesalahan ramalan dan dapat
membantu pengambilan keputusan baik dibidang perencanaan
kebutuhan bahan baku, proses produksi, biaya produksi maupun
jumlah tenaga kerja yang dibutuhkan.
2. PERUSAHAAN BATIK PELANGI sebaiknya meramalkan tingkat
penjualan produk baju batik blus tahun 2011 dengan metode
peramalan Single Moving Average, karena dari hasil perhitungan
memiliki tingkat error yang paling kecil dibandingkan metode Weighted
Moving Averages dan Exponential Smoothing dengan alpha 0,1; 0,5
dan 0,9 dan Trend Projection.
Dan pada produk kemeja batik tahun 2011 sebaiknya menggunakan
metode Trend Projection karena dari hasil perhitungan memiliki tingkat
error yang paling kecil dibanding dengan ketiga metode lainnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
94
3. Perusahaan Batik Pelangi perlu mengadakan pelatihan kepada
karyawan Batik Pelangi mengenai metode peramalan agar dapat
menjalankan metode ini dengan baik.