analisis peramalan penjualan baju batik blus dan …/analisis... · pengertian peramalan .....14 2....

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


commit to user

ii


commit to user

iii


commit to user

iv


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.


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.


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.


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


commit to user

ix

yang membangun. Namun demikian, karya sederhana ini diharapkan

dapat bermanfaat bagi pihak-pihak yang membutuhkan.

Surakarta, Januari 2012

Penulis


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


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


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.


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


Dengan Metode Exsponensial Smoothing α= 0,1....................46


Dengan Metode Exsponensial Smoothing α= 0,5...................49




Dengan Metode Weighted Moving Average 3 Bulanan...........57



commit to user

xiv

Dengan Metode Trend Projection............................................60

3.9 Perhitungan Peramalan Penjualan Kemeja Batik

Dengan Metode Single Moving Average 3 Bulanan................64








Dengan Metode Weighted Moving Average 3 Bulanan...........78


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


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


commit to user

xvi

DAFTAR LAMPIRAN

v Surat Keterangan Magang Kerja

v Nilai Kinerja Peserta Magang Kerja

v Surat Pernyataan Tugas Akhir


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


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


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


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?


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.


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.


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


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


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.


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.


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


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.


commit to user

13

Selanjutnya manajer akan mengambil keputusan setelah mengetahui

data peramalan dan perencanaan diatas.


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


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.


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) :


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


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


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 :


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).


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 ).


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


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.


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


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.


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


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


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


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



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


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.


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


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 )


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 :


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


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


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 :


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.


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 :


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


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


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


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 =


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:


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


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


commit to user

46

Tabel 3.4


Dengan Metode Exsponential Smoothing alpha 0.1


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


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)


F Juli = 143,1 + 0,1 ( 382 – 143,1)


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


F April 2011 = 239,75 + 0,1 (210 – 239,75)




dengan syarat:




commit to user

48



MAD =

=

= 94,3

MSE =

=

= 13001,81


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.


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




batik pelangi solution


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


commit to user

50




MSE 7505,13



diolah, adapun forecast untuk bulan kedua sebesar 139 dan forectas pada


sebelumnya.


= + α( - )

F Juni = 139 + 0,5 (180 – 139)


F Juli = 159,5 + 0,5 (382 – 159,5)






F April 2011 = 295,51 + 0,5 (210 - 295,51)



commit to user

51



dengan syarat:





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




commit to user

52






3) Exsponential Smoothing dengan α= 0,9


yang lebih besar pada peramalan sebelumnya dibanding dengan data

sebelumnya.


commit to user

53

Tabel 3.6






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


Std err 100,64




α = 0,9 yaitu 216,04 buah dengan ukuran tingkat kesalahan MAD 76,73

dan MSE 8287,35.


commit to user

54





sebelumnya.


= + α( - )

F Juni = 139 + 0,9 (180 – 139)


F Juli = 175,9 + 0,9 (382 – 175,9)

= 361,39dibulatkan menjadi 360





F April 2011 = 270,42 + 0,9 (210 – 270,42)




dengan syarat:


commit to user

55





MAD =

=

= 76,73

MSE =

=

=8287,36










commit to user

56



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.


commit to user

57

Tabel 3.7


Dengan Metode weighted Moving Average 3 bulanan terbobot




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


Std err 68,27



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


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 =




Hasil peramalan bulan April 2011 adalah:

F April 2011 =




dengan syarat:


commit to user

59





MAD =

=

= 55,72

MSE =

=

=3625,26


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


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


Dengan Metode Trend Projection



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


Intercept 235,76 Std err 75,37

Slope 5,41


commit to user

61


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 :

=


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)




dengan syarat:





MAD =

=

= 59,12


commit to user

63

MSE =

=

= 4734,25


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


commit to user

64

Tabel 3.9

Perhitungan Peramalan Penjualan Kemeja Batik

Dengan Metode Single Moving Average 3 bulanan




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


Std err 13,05


Hasil ramalan penjualan kemeja batik pada bulan April 2011

menggunakan POM For Windows dengan metode Single Moving


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 =


F Agustus =


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:


commit to user

66

F April 2011 =


Karena data berupa data penjualan kemeja batik maka tidak


dengan syarat:





MAD = ∑

=

= 8,56

MSE = ∑

=

= 132,36


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.


commit to user

68

Tabel 3.10






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


Std err 23,81





commit to user

69

α = 0,1 yaitu 81,85 buah dengan ukuran tingkat kesalahan MAD 18,61dan

MSE 463,69.





sebelumnya.


= + α( - )

F Juni = 80 + 0,1 (83 – 80)


F Juli = 80,83 + 0,1 (70 – 80,83)






F April 2011 = 81,52 + 0,1 (114 – 81,52)




dengan syarat:


commit to user

70





MAD =

=

= 18,61

MSE =

=

= 463,69

Hasil perhitungan ramalan penjualan kemeja batik pada bulan April


82 Buah dengan tingkat kesalahan MAD 18,61 dan MSE 463,69.


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


commit to user

71

nilai untuk konstanta penghalus (α) adalah untuk mendapatkan peramalan

paling akurat.

2).Exsponential Smoothing dengan α= 0,5


yang sama antara peramalan sebelumnya sehingga terjadi

keseimbangan.

Tabel 3.11






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


commit to user

72


Std err 12,77





MSE 133,49.



diolah, adapun forecast untuk bulan kedua sebesar 112 dan forectas pada


sebelumnya.


= + α( - )

F Juni = 80 + 0,5 (83 – 80)


F Juli = 81.5 + 0,5 (70 – 81,5)






F April 2011 = 108,11 + 0,5 (114 – 108,11)


commit to user

73




dengan syarat:





MAD =

=

= 9,2

MSE =

=

=133,49



112 Buah dengan tingkat kesalahan MAD 9,2 dan MSE 133,49.


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


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


yang lebih besar pada peramalan sebelumnya dibanding dengan data

sebelumnya.

Tabel 3.12






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



commit to user

75

Std err 14,09




α = 0,9 yaitu 113,34 buah dengan ukuran tingkat kesalahan MAD 10,93

dan MSE 162,5.





sebelumnya.


= + α( - )

F Juni = 80 + 0,9 (83 – 80)


F Juli = 82,7 + 0,9 (70 – 82,7)






F April 2011 = 107,45 + 0,9 (114 – 107,45)



commit to user

76



dengan syarat:





MAD =

=

= 10,93

MSE =

=

=162,5







commit to user

77






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.


commit to user

78

Tabel 3.13


Dengan Metode weighted Moving Average 3 bulanan terbobot




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


Std err 13,18



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.


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 =




Hasil peramalan bulan April 2011 adalah:

F April 2011 =




dengan syarat:


commit to user

80





MAD =

=

= 9,07

MSE =

=

=135,04


2011 secara manual dengan metode Weighted Moving Average

pembobotan 3 yaitu 113 Buah dengan tingkat kesalahan MAD 9,07 dan

MSE 135,04


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


Dengan Metode Trend Projection



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


commit to user

82

AVERAGE 95,83 6,5 0 5,91 53,28


Intercept 73,11 Std err 8

Slope 3,5



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 :


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)




dengan syarat:





MAD =

=


commit to user

84

= 5,91

MSE =

=

= 53,28


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.


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


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


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.


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


c. Metode Exponential Smoothing dengan alpha 0,5


d. Metode Exponential Smoothing dengan alpha 0,9

· ramalan Penjualan adalah 216

e. Metode Weighted Moving Averages dengan pembobotan 3



commit to user

89

f. Metode Trend Projection

· Ramalan Penjualan adalah 306,08

Ramalan jumlah penjualan Kemeja Batik Tahun 2011 yang



berikut :

a. Metode Single Moving Averages 3 bulanan


b. Metode Exponential Smoothing dengan alpha 0,1


c. Metode Exponential Smoothing dengan alpha 0,5


d. Metode Exponential Smoothing dengan alpha 0,9

· ramalan Penjualan adalah 113

e. Metode Weighted Moving Averages dengan pembobotan 3


f. Metode Trend Projection



commit to user

90

3) Forecast error dari penjualan Baju Batik Blus Tahun 2011 yang



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


c) Metode Exponential Smoothing dengan alpha 0,5

1. MAD sebesar 70,1


d) Metode Exponential Smoothing dengan alpha 0,9



e) Metode Weighted Moving Averages dengan pembobotan 3



f) Metode Trend Projection




commit to user

91

Forecast error dari penjualan Kemeja Batik Tahun 2011 yang



berikut :

a) Metode Single Moving Averages 3 bulanan

1. MAD sebesar 8,56


b) Metode Exponential Smoothing dengan alpha 0,1



c) Metode Exponential Smoothing dengan alpha 0,5

1. MAD sebesar 9,2


d) Metode Exponential Smoothing dengan alpha 0,9



e) Metode Weighted Moving Averages dengan pembobotan 3

1. MAD sebesar 9,07


f) Metode Trend Projection

1. MAD sebesar 5,91



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.


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.


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.

analisis peramalan penjualan baju batik blus dan …/analisis... · pengertian peramalan .....14 2....

Documents