tugas sistem produksi
DESCRIPTION
mengenai tugas sistem produksi memakai software winqsbTRANSCRIPT
TUGAS SISTEM PRODUKSI
LAPORAN PRAKTEK PERAMALAN (FORECASTING)
TERHADAP BOX METER AMR DI TAHUN 2015
Kelompok 7 :
Hedi Septianto 1326201032
Budiman Santoso 12262010
Fajar Saripuddin 1226201031
BAB I
PENDAHULUAN
1.1. Latar Belakang
Perkembangan teknologi dan informasi yang semakin cepat membuat
informasi yang dibutuhkan sekarang ini menjasi semakin mudah untuk didapatkan.
Teknologi dan informasi telah masuk ke dalam semua bidang kehidupan, khususnya
dalam bidang industri. Bidang industri adalah sebuah bidang yang kita lihat
mendapatkan pengaruh paling besar karena berkembang pesatnya teknologi dan
informasi yang berkembang sekarang ini menjadikan industri sebagai pemakai
terbesar dari berkembangnya informasi dan teknologi sekarang ini.
Dalam sebuah bidang industri, perusahaan pasti telah mempunyai tujuan yang
ingin dicapai, salah satu caranya dengan menggunakan sarana teknologi. Sekarang
ini perusahaan sudah dapat memperkirakan mengenai penjualan, permintaan, dll.
Pada masa yang akan datang dengan menggunakan software atau hardware yang ada.
Pada praktek kali ini, penulis akan membahas forecasting terhadap box meter
AMR selama 12 bulan kedepan, yaitu di tahun 2015 mendatang. Box meter AMR
menjadi sebuah hal yang harus ada dalam sebuah pemasangan meter elektronik.
Jumlah meter elektronik yang semakin banyak menyebabkan produksi box meter
harus stabil untuk memenuhi kebutuhan pasar. Maka dari itu, diperlukan juga
peramalan untuk di masa yang akan datang, karena jumlah yang semakin banyak.
Proses peramalan adalah sebuah proses yang salah satunya memegang peranan
penting dalam dunia industri, perusahaan dapat memperkirakan atau meramalkan
berapa banyak produksi yang akan dibuat yang mana hampir sesuai dengan keadaan
di beberapa periode yang akan datang. Peramalan dalam dunia industri adalah sebuah
proses perhitungan atau usaha untuk memperkirakan berapa produk yang akan dibuat
dalam beberapa tahun mendatang.
Tetapi dalam hal ini, seringkali banyak perusahaan yang tidak mengetahui
syarat atau criteria yang dihasilkan pada metode peramalan, khsusnya dengan
menggunakan software seperti winqsb. Selain itu, terkadang banyak pilihan cara
untuk memilih metode peramalan, sehingga perusahaan harus mengetahui metode
apa yang seharusnya digunakan, karena hal tersebut sangat penting untuk melakukan
peramalan agar tidak terjadi kesalahan perhitungan data sesuai dengan kenyataan
yang ada di perusahaannya di masa yang akan datang.
Dari latar belakang diatas, maka penulis akan membahas judul yaitu “Laporan
praktek peramalan (Forecasting) terhadap box meter AMR di tahun 2015.”
1.2. Rumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka dalam
laporan ini penulis merumuskan masalah sebagai berikut :
1. Bagaimana syarat atau criteria untuk memilih sebuah metode peramalan ?
2. Bagaimana memilih metode permalan yang harus digunakan ?
1.3. Batasan Masalah
Penulis membatasi masalah dengan mengguanakan metode peramalan
sebanyak 3 buah sebagai metode yang akan dibandingkan hasilnya, yaitu :
1. Metode Moving Average
2. Metode Simple Exponential Smooting
3. Metode Linear Regression
1.4. Tujuan dan Manfaat
Dari rumusan masalah yang telah dipaparkan di atas sebelumnya, maka dapat
dijelaskan tujuan yang ingin dicapai yaitu sebagai berikut :
1. Menjelaskan syarat atau criteria untuk memilih sebuah metode peramalan.
2. Memilih metode permalan yang harus digunakan.
Manfaat yang didapat dari praktek forecasting ini adalah :
1. Mengetahui syarat untuk memilih sebuah metode peramalan.
2. Mengetahui metode peramalan apa yang seharusnya digunakan.
BAB II
LANDASAN TEORI
2.1. Pengertian Peramalan
Peramalan/Perkiraan (Forecasting) adalah meramalkan, memproyeksikan, atau
mengadakan perkiraaan/ taksiran terhadap berbagai kemungkinan yang akan terjadi
sebelum suatu rancana yang lebih pasti dapat dilakukan. Peramalan (forecasting)
adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat
dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke
masa mendatang dengan suatu bentuk model matematis. Hal ini bisa juga merupakan
pediksi intuisi yang bersifat subjektif. Hal ini pun dapat dilakukan dengan
menggunakan kombinasi model matematis yang disesuakan dengan pertimbangan
yang baik dari seorang manager. Setelah mengenal beberapa teknik peramalan, anda
akan melihat bahwa tidak ada satu metode tunggal yang paling unggul. Sesuatu yan
berjalan dengan baik di suatu perusahaan pada suatu set kondisi tertentu mungkin
bisa menjadi bencana bagi organisasi lain, bahkan pada departemen yang berada di
perusahaan yang sama. Selain itu, anda akan melihat keterbatasan dari apa yang
dapat anda harapkan dari suatu peramalan. Hanya sedikit bisnis yang dapat
menghindari proses peramalan dan hanya menunggu apa yang terjadi untuk
kemudian mengambil kesempatan. Perencanaan yang efektif baik untuk jangka
panjang maupun pendek bergantung pada peramalan permintaan untuk produk
perusahaan. Peramalan (Forecasting), merupakan kegiatan memprediksi nilai-nilai
sebuah variabel berdasarkan nilai yang diketahui dari variabel tersebut atau variabel
yang berhubungan. Terdapat dua macam metode yaitu metode kualitatif dan metode
kuantitatif.
2.2. Kegunaan Peramalan
Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka
atau bilangan yang harus dipergunakan begitu saja. Penggunaannya masih
memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil
ramalan biasanya didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah
seperti waktu sebelumnya. Berikut ini adalah manfaat dari peramalan :
1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan
secara tepat.
2. Merupakan suatu pedoman dalam menentukan tingkat persediaan
perencanaan dapat sebagai masukan untuk penentuan jumlah investasi.
3. Membantu menentukan pengembangan suatu pekerjaan untuk periode
selanjutnya.
2.3. Jenis Peramalan
Berikut ini adalah beberapa jenis peramalan yang dipakai, seperti :
1. Peramalan Ekonomi (economic forecast) menjelaskan siklus bisnis dengan
memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan
untuk membangun perumahan dan indicator perencanaan lainnya.
2. Peramalan Terknologi (technological forecast) memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralatan baru.
3. Peramalan Permintaan (demand forecast) adalah proyeksi permintaan
untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga
peramalan penjualan, yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran dan sumber daya manusia.
2.4. Sifat-Sifat Peramalan
Dibawah ini adalah sifat-sifat dari peramalan, yaitu :
1. Peramalan yang subyektif yaitu Peramalan yang didasarkan atas perasaan
( instuisi ) dari orang yang menyusunnya.
2. Peramalan yang obyektif yaitu Peramalan yang didasarkan atas data – data
pada masa lalu dengan menggunakan metode–metode dalam
penganalisaan data tersebut.
3. Peramalan kualitatif yaitu Peramalan yang didasarkan atas data kualitatif
pada masa lalu, hasil peramalan tergantung pada orang yang
menyusunnya.
4. Peramalan kuantitatif yaitu Peramalan yang didasarkan atas data
kuantitatif pada masa lalu, hasilnya tergantung pada metode yang
digunakan.
2.5. Metode Peramalan yang digunakan
Pada pembatasan masalah, penulis telah membatasi sebanyak tiga metode
yang digunakan. Berikut ini adalah penjelasan dari ketiga metode yang digunakan
tersebut.
1. Moving Average
Model rata-rata bergerak menggunakan sejumlah data aktual permintaan
yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa
yang akan datang. metode rata-rata bergerak akan efektif diterapkan
apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang
waktu. Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak
tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak
(Weight Moving Averages). Model rata-rata bobot bergerak lebih
responsif terhadap perubahan karena data dari periode yang baru biasanya
diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai
berikut.
2. Single Exponential Smooting
Pola data yang tidak stabil atau perubahannya besar dan bergejolak
umumnya menggunakan model pemulusan eksponensial (Exponential
Smoothing Models). Metode Single Exponential Smoothing lebih cocok
digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak
teratur).
3. Metode Regresi Linier
Model analisis Regresi Linier adalah suatu metode populer untuk berbagai
macam permasalahan. Menurut Harding (1974) dua variabel yang
digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu
sama lain dan bersifat linier. Regresi linier secara aktual menggambarkan
sebuah garis lurus dari nilai-nilai yang terbentuk dari hubungan dua
variabel yaitu variabel bebas ( periode waktu) dan variabel tak bebas
( dapat berupa permintaan, jika data permintaan produk.). Persamaan garis
lurus tersebut dapat dinyatakan dalam persamaan berikut ini: Y’(t)= a + bx
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
3.1. Pengumpulan Data
Proses pengumpulan data dilakukan dengan mengambil data berupa data
produksi meteran box AMR selama 12 bulan kebelakang yaitu data produksi box
meter AMR di tahun 2014, dan didapati data produksi adalah sebagai berikut, yang
mana selanjutnya akan diolah dengan menggunakan modul forecasting dari software
winqsb.
Tabel 3.1 Jumlah produksi box meter AMR selama 12 bulan di tahun 2014
Tambahan keterangan : N : 4 α : 0.5
Selanjutnya data tersebut akan diolah dengan menggunakan tiga metode yang
sudah ditentukan yang terdapat pada software winqsb, yaitu :
1. Metode Moving Average (MA)
2. Metode Simple Exponential Smooting (SES)
3. Metode Linier Regresion (LR)
3.1. Pengolahan Data
Bulan Banyaknya Produksi (Buah)
1 1500
2 1600
3 1700
4 1800
5 1900
6 2000
7 980
8 1000
9 1200
10 1300
11 1500
12 1990
Proses selanjutnya adalah pengolahan data dengan menggunakan sofware
winqsb. Tujuan dari pengolahan data ini bertujuan untuk mencari tahu metode yang
cocok yang digunakan untuk proses peramalan selama 12 bulan ke depan. Dalam
pengolahan data ini akan didapat hasil metode yang mana yang seharusnya
digunakan dari tiga metode yang sudah ditentukan sebelumnya.
3.2.1. Metode Moving Average
Berikut ini adalah tampilan pengolahan dengan menggunakan metode
moving average.
Gambar 3.2.1.1 Hasil pengolahan dalam bentuk tabel
Gambar 3.2.1.1 Hasil pengolahan dalam bentuk grafik
Dari pengolahan data tersebut maka didapati hasil sebagai berikut :
Metode Moving Average
Hasil Nilai
MAD 429.375
MSE 261965.6
MAPE 33.35466
Tabel 3.2.1.1 Hasil dari metode moving average
3.2.2. Metode Simple Exponential Smooting
Berikut ini adalah pengolahan data dengan menggunakan metode
Simple Exponential Smooting.
Gambar 3.2.2.1 Hasil pengolahan dalam bentuk tabel
Gambar 3.2.2.2 Hasil pengolahan dalam bentuk grafik
Dari pengolahan data tersebut maka didapati hasil sebagai berikut :
Metode SES
Hasil Nilai
MAD 285.3214
MSE 147853.2
MAPE 21.67486
Tabel 3.2.2.1 Hasil dari metode SES
3.2.3. Metode Liner Regression (LR)
Ini merupakan metode terakhir yang digunakan untuk melakukan
pengolahan data sebelum membandingkan data akhir dari ketiga metode ini
yang nantinya metodenya seharusnya digunakan dalam proses peramalan
selama 12 bulan ke depan.
Gambar 3.2.3.1 Hasil pengolahan dalam bentuk tabel
Gambar 3.2.1.2 Hasil pengolahan dalam bentuk grafik
Dari pengolahan data, terlihat garis putus-putus di tengah perbandingan dari
data actual dan peramalan data maka didapati hasil sebagai berikut :
Metode LR
Hasil Nilai
MAD 281.6958
MSE 114821.6
MAPE 20.34825
Tabel 3.2.1.1 Hasil dari metode LR
3.2. Hasil Pengolahan Data dan Pemilihan Metode yang Digunakan
Setelah melakukan pengolahan data dengan ketiga metode tersebut, maka kita
dapat membandingkan nilai MAD, MSE, dan MAPE yang didapat dari ketiga cara
tersebut untuk menentukan metode yang akan digunakan. Berikut adalah hasil
perbandingan dari ketiga metode tersebut.
METODE MAD MSE MAPE
MA 429.375 261965.6 33.35466
SES 285.3214 147853.2 21.67486
LR 281.6958 114821.6 20.34825
Tabel 3.3.1 Tabel perbandingan
Setelah dilakukan perbandingan hasil seperti yang tertera pada tabel diatas,
maka diperoleh kesimpulan bahwa metode yang seharusnya digunakan untuk
melakukan peramalan adalah metode linear regression, dengan alasan :
Metode LR memiliki nilai MAD, MSE, dan MAPE yang paling kecil dari
ketiga metode yang digunakan. Yang mana itu adalah kriteria untuk
pemilihan sebuah metode yang seharusnya digunakan unruk proses
peramalan tersebut.
Nilai aktual yang didapat dari metode LR yang kecil daripada metode
lainnya menjadikan ketepatan peramalan metode ini lebih baik dan
memiliki kesalahan peramalan yang kecil.
BAB IV
ANALISIS DAN KESIMPULAN
4.1. Analisis
Dari hasil pengolahan data yang diperoleh dengan ketiga metode yang telah
dijelaskan sebelumnya, maka dapat disimpulkan hasil analisa yang didapat adalah :
1. Dari percobaan diatas maka dapat diketahui nilai dari MAD, MSE, dan
MAP dari masing-masing metode peramalan.
2. Metode LR memilki nilai MAD, MSE, dan MAP yang paling rendah
diantara ketiganya, yang mana artinya ini adalah metode yang seharusnya
digunakan untuk peramalan selama periode 12 bulan ke depan. Sedangkan
metode SES tidak cocok digunakan karena nilai MAD, MSE, dan MAP
nya masih lebih tinggi dari metode LR.
4.2. Kesimpulan
Dari hasil analisis diatas, maka kesimpulan yang didapat dari hasil percobaan
metode peramalan tersebut adalah :
1. Diketahuinya nilai masing-masing MAD, MSE, dan MAP yang digunakan
dalam metode peramalan tersebut sebagai acuan dalam memlilih metode
yang seharusnya dipilih.
2. Metode yang seharusnya digunakan adalah metode LR karena nilai MAD,
MSE, dan MAP adalah yang paling rendah diantara ketiga metode
tersebut.