perpustakaan.uns.ac.id digilib.uns.ac.id peramalan proses ...... · ( hadist nabi) · mencintai...
TRANSCRIPT
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA
DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA
TUGAS AKHIR
Diajukan Untuk Memenuhi Persyaratan Untuk Meraih Gelar Ahli Madya
Ekonomi Diploma III pada Jurusan Manajemen Bisnis Fakultas Ekonomi
Universitas Sebelas Maret Surakarta
Oleh:
Evi Cahya Rohmawati
F3509026
PROGRAM STUDI DIII MANAJEMEN BISNIS
UNIVERSITAS SEBELAS MARET
SURAKARTA
2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
MOTTO
· Barang siapa yang menghendaki kesejahteraan hidup di dunia, maka harus
ditempuh dengan ilmu. Dan barang siapa yang menghendaki kebahagiaan
hidup di akhirat, hendaklah ditempuh dengan ilmu. Dan barang siapa
menghendaki kedua-duanya, maka hendaklah ditempuh dengan ilmu. ( Hadist
Nabi)
· Mencintai seseorang itu seperti kita membaca Al Quran pertama kita lafalkan
kedua kita ingat-ingat dan yang ketiga kita simpan dalam hati ( Khalil
Gibran)
· Mensyukuri segala sesuatu yang diberikan oleh Allah SWT, niscaya Allah
akan memberikan nikmat yang berlimpah ( Penulis )
· Percaya pada diri sendiri adalah rahasia utama untuk mencapai kesuksesan.
(Emerson)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
PERSEMBAHAN
Sebuah karya sederhana ini Kupersembahkan kepada :
1. Allah SWT yang telah memberikan aku kenikmatan dan keimanan sehingga
aku dapat menyelesaikan karya ini.
2. Ayah dan Mami tersayang, terimakasih untuk support dan doanya
3. Adik-adik ku, ayu, pichi dan fafa terimakasih untuk semangat nya
4. Mayonice, terimakasih untuk 3 tahun yang kita lalui bersama ( karina, enok,
ana, erlina, dwi kurnia )
5. Teman –teman seperjuangan MI 2009
6. Almamater
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
KATA PENGANTAR
Puji Syukur Penulis Panjatkan Kehadirat Allah SWT yang telah
melimpahkan Rahmat dan Karunia – Nya sehingga Penulis dapat menyelesaikan
penyusunan Tugas Akhir. Dalam penyusunan Tugas Akhir ini Penulis memilih
judul PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA
DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA
Pada kesempatan ini penulis sampaikan ucapan terima kasih kepada pihak –
pihak yang telah membantu penyusunan Tugas Akhir ini, terutama kepada :
1. Bapak Prof. Dr. Wisnu Untoro MS. selaku Dekan Fakultas Ekonomi,
Universitas Sebelas Maret Surakarta.
2. Ibu. Sinto Sunaryo, SE, M.Si. Selaku Ketua Program Studi Diploma III
Manajemen Bisnis, Universitas Sebelas Maret Surakarta.
3. Bapak Alm Drs. Karsono, Msi. Selaku Pembimbing Akademik, yang telah
menyediakan waktu dan membimbing penulis.
4. Bapak Drs. Heru Purnomo, MM selaku Pembimbing Tugas Akhir, Sebagai
ungkapan terima kasih atas kebaikan, ketenangan dan kesabaran beliau yang
luar biasa selama memberikan bimbingan, sehingga tugas akhir ini dapat
terselesaikan sesuai rencana penulis.
5. Bapak Edi selaku Manajer Personalia PT. Kusumahadi Santosa, yang telah
memberikan kami kesempatan untuk melaksanakan magang kerja dan
penelitian di PT. Kusumahadi Santosa.
6. Bapak Ndondon selaku Manajer Weaving 1 dan 2 PT. Kusumahadi Santosa.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
7. Ibu Setiyowati selaku Ka.Sie. Adm dan QC Weaving 1 dan 2 atas
bimbingan dan bantuannya dalam mencarikan data.
8. Bapak dan Ibu selaku staff dan karyawan di Departemen Weaving 2 yang
telah membantu penulis dalam pencarian data.
9. Ayah Mami, ayu, pichi, fafa terimakasih untuk doa dan waktunya serta
bantuan berupa materi dan supportnya.
10. Teman-teman Angkatan 2009 yang telah banyak memberikan keceriaan.
11. Dan semua pihak yang tidak sempat penulis sebutkan satu persatu.
Penulis menyadari bahwa dalam pengungkapan, pembahasan dan pemilihan
kata dalam penulisan Tugas Akhir jauh dari sempurna, Karena keterbatasan
pemikiran dan kemapuan yang dimiliki oleh penulis. Oleh karena itu dengan
kerendahan hati penulis mengharapkan kritik dan saran yang membangun. Namun
demikian semoga Tugas Akhir ini diharapkan dapat bermanfaat bagi pihak –
pihak yang membutuhkan.
Surakarta, Juni 2012
Penulis
Evi Cahya Rohmawati
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
DAFTAR ISI
HALAMAN JUDUL ............................................................................................ i
ABSTRAK ............................................................................................................ ii
HALAMAN PERSETUJUAN ............................................................................ iv
HALAMAN PENGESAHAN ............................................................................. v
MOTTO................................................................................................................. vi
PERSEMBAHAN ................................................................................................ vii
KATA PENGANTAR.......................................................................................... viii
DAFTAR ISI......................................................................................................... xi
DAFTAR TABEL ................................................................................................ xiii
DAFTAR GAMBAR ........................................................................................... xv
DAFTAR LAMPIRAN ........................................................................................ xvi
BAB I PENDAHULUAN
A. Latar Belakang .................................................................................. 1
B. Rumusan Masalah ............................................................................. 3
C. Tujuan Penelitian .............................................................................. 4
D. Manfaat Penelitian ............................................................................ 4
E. Alur Pemikiran .................................................................................. 5
F. Metode Penelitian ............................................................................. 7
BAB II TINJAUAN PUSTAKA
A. Pengertian Peramalan ....................................................................... 14
B. Tujuan Peramalan ............................................................................. 15
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
C. Langkah-langkah Peramalan ............................................................ 15
D. Jenis- jenis Peramalan ...................................................................... 16
E. Karakteristik Peramalan ................................................................... 17
F. Metode Peramalan ............................................................................ 18
G. Pengukuran Kesalahan Peramalan ................................................... 24
BAB III PEMBAHASAN
A. Deskripsi Objek Penelitian ............................................................... 26
1. Gambaran umum PT. Kusumahadi Santosa............................... 26
2. Tujuan PT. Kusumahadi Santosa ................................................ 29
3. Lokasi PT. Kusumahadi Santosa ................................................ 30
4. Layout PT. Kusumahadi Santosa ................................................ 31
5. Aspek Personalia .......................................................................... 33
6. Struktur Organisasi Dan Job Description .................................. 37
7. Aspek Produksi ............................................................................ 42
B. Laporan Magang Kerja ..................................................................... 46
1. Pelaksanaan Magang ................................................................... 46
2. Kegiatan Magang Kerja ............................................................... 46
C. Pembahasan Masalah ........................................................................ 48
1. Perhitungan Peramalan ................................................................ 50
a. Metode Single Moving Averages ......................................... 50
b. Metode Weighted Moving Averages.................................... 57
c. Metode Exponential Smoothing........................................... 65
d. Metode Proyeksi Trend ( Trend Projection)....................... 74
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
2. Perbandingan Peramalan ............................................................. 78
BAB IV PENUTUP
A. Kesimpulan........................................................................................ 79
B. Saran .................................................................................................. 81
DAFTAR PUSTAKA
LAMPIRAN
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
DAFTAR TABEL
TABEL HALAMAN
3.1 Jumlah Tenaga Kerja PT Kusumahadi Santosa ....................................... 33
3.2 Jumlah Tenaga Kerja Weaving II ............................................................. 34
3.3 Data Produksi Kain CDP 2024 PT Kusumaha di Santosa ...................... 49
3.4 Peramalan Produksi Kain CDP 2024 dengan Metode Single Moving
Average 3-Bulanan Januari- Desember 2011 ......................................... 52
3.5 Pengukuran Kesalahan (error) peramalan Pada Peramalan Produksi
Kain CDP 2024 Dengan Metode Single Moving Average 3-bulanan ... 53
3.6 Peramalan Produksi Kain CDP 2024 ....................................................... 55
3.7 Dengan Metode Single Moving Average 4-Bulanan .............................. 56
3.8 Pengukuran Kesalahan (error) Peramalan ............................................... 59
3.9 Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Single
Moving Average 4-bulanan ...................................................................... 60
3.10 Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted
Moving Average 3-Bulanan Terbobot .................................................... 63
3.11 Pengukuran Kesalahan (error) Peramalan ................................................ 64
3.12 Pada Peramalan Produksi Kain CDP 2024 Dengan Metode Weighted
Moving Average 3-bulanan ...................................................................... 67
3.13 Peramalan Produksi Kain CDP 2024 ....................................................... 68
3.14 Dengan Metode Weighted Moving Average 4-Bulanan Terbobot ........ 70
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
3.15 Pengukuran Kesalahan (error) Peramalan Produksi Kain CDP
2024Dengan Metode Weighted Moving Average 4-bulanan terbobot ... 71
3.16 Peramalan Produksi Kain RYP 2026 Dengan Metode Exponential
Smoothing ( α = 0,5) .................................................................................. 73
3.17 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP
2024 Dengan Metode Exponential Smoothing ( α = 0,1 ) ...................... 77
3.18 Perbandingan Hasil Peramalan ..................................................................
78
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
DAFTAR GAMBAR
Gambar 1.1 Alur Pemikiran ............................................................................ 6
Gambar 3.1 Lokasi PT Kusuma Hadi ............................................................ 32
Gambar 3.2 Struktur Organisasi .................................................................... 38
Gambar 3.3 Flow chart weaving II ................................................................. 43
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
DAFTAR LAMPIRAN
Lampiran 1. Surat Keterangan Magang
Lampiran 2. Surat Pernyataan
Lampiran 3. Lembar Penilian Magang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ABSTACT
PREDICTION ON PRODUCTION OF FABRIC CDP 2024
WEAVING 2 DEPARTMENT PT. SANTOSA KUSUMAHADI
Evi Cahya Rohmawati
F3509026
Objectives to be achieved in this study were (1) Knowing the fabric CDP 2024 production forecast by using Single Moving Average, Weight Moving Average, Exponential Smoothing and Trend Projection on 2 PT.KUSUMAHADI SANTOSA Weaving Department for the next month. (2) To determine the forecast error in forecasting the results of four methods. (3) determine the forecasting methods should be applied PT.KUSUMAHADI SANTOSA.
From the results of calculations performed, the forecasting methods Single 3-month moving average is 278.540 meters of the MAD and MSE 89.197,53 meters 8.996.555 meters, Single 4-month moving average is 248.128,8 meters with MAD 84.718,13 meters and MSE 8.521.723 billion meters, while the Weighted Moving Averages are weighted 3-month 284.108,8 meters with MAD 84.017,14 meter and MSE 8.519.520.802 meter, 4-Weighted Moving Averages are weighted monthly MAD 269.716,8 meters with 85.323,47 meter and MSE 8.653.336 meters, Exponential Smoothing (α = 0.5) are 274.264,7 meters with MAD 70.290,36 meters and MSE 6.774.236 billion meters, Exponential Smoothing (α = 0.9) are 283.933,2 meters with meter MAD and MSE 69.402,65 8.415.901 meters and Trend Projection is 216.820,1 meters with MAD 4.136. 601.000 meters and MSE 51.343,12 meters.
From the data has been processed, then the most appropriate method to use is the Trend Projection because it has an error (error) forecasting the smallest MAD and MSE of 4.136.601.000 meters of 51.343,12 meter.
Based on these conclusions, the researchers propose to PT SANTOSA KUSUMAHADI Trend Projection method should be used in fabric production forecast 2024 GDP, because it has an error rate (error) forecasting the smallest MAD and MSE.
Keyword : Forecasting, Single Moving Average, Weighted Moving Average, Exponential Smoothing, Mean Absolute Deviation, Mean square Error.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ABSTRAK
PERAMALAN PRODUKSI KAIN CDP 2024 PADA
DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA
Evi Cahya Rohmawati
F3509026
Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Mengetahui peramalan produksi kain CDP 2024 dengan menggunakan Single Moving Average, Weight Moving Average, Exponential Smoothing dan Trend Projection pada Departemen Weaving 2 PT.KUSUMAHADI SANTOSA untuk bulan berikutnya. (2) Untuk mengetahui forecast error hasil peramalan dengan keempat metode tersebut. (3) menentukan metode peramalan yang seharusnya diterapkan PT.KUSUMAHADI SANTOSA.
Dari hasil perhitungan yang dilakukan, yaitu peramalan menggunakan metode Single Moving Averages 3-bulanan yaitu 278.540 meter dengan MAD 89.197,53 meter dan MSE 8.996.555.000 meter, Single Moving Averages 4-bulanan yaitu 248.128,8 meter dengan MAD 84.718,13 meter dan MSE 8.521.723.000 meter, sedangkan Weighted Moving Averages 3-bulanan terbobot yaitu 284.108,8 meter dengan MAD 84.017,14 meter dan MSE 8.519.520.802 meter, Weighted Moving Averages 4-bulanan terbobot yaitu 269.716,8 meter dengan MAD 85.323,47 meter dan MSE 8.653.336.000 meter, Exponential Smoothing (α= 0,5 ) yaitu 274.264,7 meter dengan MAD 70.290,36 meter dan MSE 6.774.236.000 meter, Exponential Smoothing (α= 0,9 ) yaitu 283.933,2 meter dengan MAD 69.402,65 meter dan MSE 8.415.901.000 meter dan Trend Projection yaitu 216.820,1 meter dengan MAD 51.343,12 meter dan MSE 4.136.601.000 meter.
Dari data yang telah diolah, maka metode yang paling tepat digunakan adalah Trend Projection karena memiliki kesalahan (error) peramalan yang terkecil dengan MAD sebesar 51.343,12 meter dan MSE 4.136.601.000 sebesar meter.
Berdasarkan kesimpulan tersebut, maka peneliti memberikan usulan kepada PT KUSUMAHADI SANTOSA sebaiknya menggunakan metode Trend Projection dalam meramalkan produksi kain CDP 2024, karena memiliki tingkat kesalahan (error) peramalan MAD dan MSE terkecil.
Kata Kunci : Forecasting, Single Moving Average, Weighted Moving Average, Exponential Smoothing, , Mean Absolute Deviation, Mean square Error.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Dalam era globalisasi saat ini, persaingan di dunia bisnis semakin ketat.
Banyak perusahan besar, menengah, bahkan kecil yang bermunculan. Tidak
hanya dalam negeri tetapi dari luar negeri, oleh karena itu perusahaan harus
semakin kreatif dalam produktivitas dan pemasarannya. Akan tetapi permintaan
dari konsumen yang semakin meningkat itu tak selalu sama dari waktu ke
waktu, ada kalanya permintaan tinggi, dan terkadang menunjukan suatu
penurunan. Sebuah Perusahaan itu, berdiri mempunyai berbagai tujuan yaitu
membuka lapangan pekerjaan, membuat produk untuk memenuhi keinginan
dan kebutuhan konsumen, mendapatkan keuntungan dan mempertahankan
kelangsungan hidup perusahaan di masa yang akan datang dan di harapkan
perusahaan dapat mencapai sasaran dan tujuan.
Kondisi permintaan konsumen yang fluktuatif membuat perusahaan
dihadapkan pada masa depan yang penuh dengan ketidakpastian, untuk itu
perlu bagi perusahaan melakukan suatu peramalan. Peramalan adalah seni dan
ilmu yang memprediksi peristiwa-peristiwa pada masa depan (Render dan
Heizer, 2005). Peramalan merupakan peranan yang penting dalam perusahaan,
misalnya pada bagian produksi yang ingin mengetahui bagaimana volume
produksi di masa mendatang. Suatu perusahaan akan berkembang apabila
mampu mengantisipasi permintaan, maka peramalan produksi menjadi sangat
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
2
penting sehingga perusahaan dapat merencanakan berapa jumlah produk yang
akan diproduksi dalam masa yang akan datang.
Produksi dalam ekonomi adalah kegiatan yang berhubungan dengan
usaha untuk menciptakan dan menambah kegunaan suatu barang atau jasa.
Render dan Heizer (2005) mengartikan produk sebagai hasil dari kegiatan
produksi yang terdiri dari barang dan jasa.
Peramalan produksi harus dibuat cermat, teliti dan dengan perhitungan
yang baik dengan bantuan metode-metode peramalan yang ada. Walaupun pada
dasarnya peramalan itu, tidak selalu benar dan tepat, namun dengan metode
permalan yang tepat diharapkan akan memberikan suatu dasar analisis dan cara
berfikir yang sistematis atas pemecahan suatu masalah.
Pada PT. KUSUMAHADI SANTOSA yang beralamat di JL. Raya
Jaten KM. 9,4 Jaten, Karanganyar. Peramalan produksi sangatlah penting untuk
menentukan berapa jumlah produk yang harus disediakan dan , sehingga dapat
memperkecil resiko kerugian dengan pemilihan metode peramalan yang tepat.
Dalam penelitia ini penulis ingin melakukan penelitian terahadap kain CDP
2024. Pemilihan produk kain CDP 2024 didasarkan pada produk yang memiliki
kualitas eksport yang tinggi, dan di produksi dalam jumlah yang relatif banyak
dibandingkan dengan produk kain yang lain. Produk kain CDP 2024 memiliki
volume produksi dan penjualan yang berfluktuasi dari bulan ke bulan, sehingga
kondisi permintaan masa depan yang penuh dengan ketidakpastian.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
3
Atas dasar latar belakang masalah diatas, maka peneliti tertarik untuk
mengambil tema “PERAMALAN PROSES PRODUKSI KAIN CDP 2024
PADA DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA”.
B. Rumusan Masalah
Berdasarkan latar belakang masalah di atas ,maka dapat dirumuskan
bahwa pokok permasalahan yang akan dibahas dalam penelitian ini adalah:
Berapakah peramalan permintaan Produk kain CDP 2024 dengan metode
Single Moving Average,Exsponensial Smooting dengan alpha (α =0,1 α=0,5
dan α=0,9),dan Weighted Moving Averages dan Trend Projection pada PT
Kusumahadi Santosa untuk periode yang akan datang ?
1. Berapakah peramalan produksi kain CDP 2024 pada PT. Kusumahadi
Santosa pada bulan berikutnya dengan menggunakan metode Moving
Average 3 bulan dan 5 bulan,Weighted Moving Average, Exponential
Smoothing dengan α=0,1 α=0,5 dan α=0,9 dan Trend Projection pada
Departemen Weaving 2 PT. Kusumahadi Santosa
2. Berapakah forcast error dari keempat metode hasil peramalan yang akan
datang ?
3. Metode manakah yang paling baik di antara metode – metode di atas untuk
menentukan permintaan produk kain CDP 2024 di periode yang akan
datang pada PT Kusumahadi Santosa ?
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
4
C. Tujuan Penelitian
Tujuan penelitian dilaksanakan dengan tujuan agar penelitian yang telah
dilakukan hasilnya dapat memberikan manfaat yang sesuai dengan apa yang
dikendaki. Adapun tujuan penelitian ini adalah:
1. Untuk mengetahui peramalan produksi produk kain CDP 2024 dengan
metode single moving average dan exsponential smoothing dengan alpha (
α=0,1 α=0,5 α=0,9) weighted moving averages dan Trend Projection pada
Departement Weaving 2 PT. KUSUMAHADI SANTOSA yang akan
datang.
2. Untuk mengetahui Forcest Error dari hasil peramalan dengan keempat
metode diatas.
3. Untuk mengetahui metode peramalan yang paling tepat, dalam
menentukan besarnya produksi produk kain CDP 2024 di periode yang
akan datang pada Departement Weaving 2 PT Kusumahadi Santosa
D. Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberi manfaat baik bagi
penulis,bagi perusahaan,bagi pihak lain maupun bagi pembaca.
1. Bagi Penulis
Dapat menerapkan ilmu yang telah di peroleh selama di perkuliahan
mengenai metode peramalan yang tepat pada sebuah perusahaan dan
sebagai tambahan wawasan dan ilmu pengetahuan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
5
2. Bagi Perusahaan
Mengevaluasi tentang sistem forcesting untuk diterapkan pada perusahaan.
Hasilnya diharapkan dapat menjadi masukan bagi perusahaan dan dapat di
jadikan referensi dalam pengambilan keputusan mengenai produksi kain
CDP 2024
3. Bagi Pembaca
Dapat memberi wawasan atau gambaran tentang perencanaan produksi
dan peramalan dengan menggunakan metode peramalan yang tepat. Dan
sebagai pertimbangan kepada rekan-rekan yang akan menyusun tugas
akhir.
E. Alur Pemikiran
Penelitian ini bertujuan untuk mengetahui peramalan produksi kain
CDP 2024 dengan menggunakan metode Single Moving Average (periode 3
bulanan dan 4 bulanan), Weighted Moving Average, dan Exponential
Smoothing ( α= 0,1 α=0,5 dan α= 0,9 ) dan Trend Projection pada
Departement Weaving 2 PT.Kusumahadi Santosa untuk bulan berikutnya.
Berdasarkan metode tersebut akan dicari kesalahan terkecil, dan juga
untuk mengetahui Forecast Error dari hasil peramalan dengan keempat metode
tersebut. Selain itu, juga untuk mengetahui metode peramalan yang tepat.
Untuk itu diperlukan data tentang volume produksi kain CDP 2024 bulan
januari-desember 2011. Adapun gambar alur pemikiran sebagai berikut :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
6
Gambar 1.1 Alur Pemikiran
Keterangan :
Peramalan produksi adalah perkiraan terhadap besarnya jumlah produk
yang akan diproduksi dimasa yang akan datang, yang didasarkan oleh data –
data masa lalu. Produk kain CDP 2024 memiliki volume produksi dan
CDP 2024 pada bulan
sebelumnya
Menetukan metode
peramalan produksi
Peramalan yang baik
Metode Eksponensial
Smoothing
Metode Moving
Average
Rencana Produksi yang
akan datang
Rencana produksi yang
optimum
keputusan
Metode Trend
Projection
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
7
penjualan yang berfluktuasi dari bulan ke bulan, entah itu baik, turun atau
stabil, sehingga perusahaan perlu membuat suatu peramalan untuk mengetahui
berapa besarnya penjualan produk pada periode yang akan datang.
Dalam membuat peramalan diperlukan data pada periode sebelumnya,
data periode sebelumnya digunakan untuk meramalkan periode yang akan
datang. Dalam menghitung data tersebut digunakan 4 metode, yaitu Single
Moving Average, Exponential Smoothing, Weighted Moving Average, dan
Trend Projection.
Dari hasil peramalan tersebut kemudian dicari perbedaan hasil
kesalahan (error) peramalan dari 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
Dengan adanya peramalan tersebut diharapkan dapat memberikan
kemudahan untuk mengetahui tingkat produksi kain CDP 2024, yang
selanjutnya manajer produksi akan mengambil satu keputusan setelah melihat
data peramalan dan perencanaan yang telah dibuat.
F. Metode Penelitian
Metode penelitian mengemukakan secara tertulis tata kerja dari suatu
penelitian. Metode ini terdiri dari:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
8
1. Desain Penelitian
Penulis ini menggunakan desain penelitian deskriptif. Sumarmi dan
Wahyuni (2006) mengemukakan penelitian deskriptif yaitu teknik untuk
membuat gambaran atau deskriptif yang aktual dan akurat mengenai suatu
objek yang diteliti.
2. Objek penelitian
Penelitian ini dilaksanakan pada PT. KUSUMAHADI SANTOSA yang
bergerak di bidang industri tekstil, dengan alamat Jl. Raya Jaten Km 9,4
Jaten Karanganyar Solo
3. Jenis dan Sumber Data
a. Jenis Data
1) Data Primer
Menurut Kuncoro (2003) data primer yaitu data yang
diperoleh dengan survei lapangan yang menggunakan semua
metode pengumpulan data original.
Data yang diperoleh dengan hasil wawancara langsung
dengan staf/karyawan PT. KUSUMAHADI SANTOSA. Data yang
diperoleh berupa : aktifitas proses produksi
2) Data Sekunder
Menurut Kuncoro (2003), data sekunder adalah data yang
telah dikumpulkan oleh lembaga pengumpul data dan
dipublikasikan kepada masyarakat pengguna data .Sumber data
dalam penelitian ini adalah data sekunder, yaitu data yang diperoleh
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
9
dari sumber – sumber lain yang masih berkaitan dengan masalah
yang sedang diteliti, dengan cara mempelajari literatur, referensi
serta teori yang berhubungan dengan penelitian ini. Data diperoleh
melalui sumber-sumber yang di berikan oleh perusahan. Dalam hal
ini data yang diperoleh dari penelitian yang dilaksanakan di PT.
Kusumahadi Santosa berupa : data struktur organisasi,data sejarah,
data lokasi perusahaan, data mesin, data produksi kain CDP 2024
atau peralatan kerja, dan data jumlah tenaga kerja.
b. Teknik Pengumpulan Data
1) 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
karyawan pendamping atau manajer PT. Kusumahadi Santosa
mengenai proses produksi dan profil dari perusahaan ini, dan
kendala-kendala dalam proses produksi, kita juga bisa melakukan
tanya jawab langsung dengan manajer ataupun karyawan
PT.KUSUMAHADI SANTOSA
2) Observasi
Metode observasi merupakan prosedur yang sistematis dan
standar dalam pengumpulan data (Wahyuni dan Sumarni, 2006).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
10
Dalam penelitian ini, peneliti melakukan pengamatan langsung
kegiatan atau aktivitas yang dilakukan pada PT. Kusumahadi
Santosa.
3) Dokumentasi
Metode pengumpulan data yang dilakukan dengan cara
mencatat ataupun mengcopy data dari perusahaan. Data yang bisa
dicopy di PT Kusumahadi Santosa berupa : Data Flow
chart,Company profile,Jumlah peralatan atau mesin yang
dipakai,Struktur organisasi dan jumlah tenaga kerja.
c. Tekhnik Analisis Data
Metode yang di gunakan dalam permintaan produk kain CDP
2024 adalah Metode Single Moving Averages, Metode Exsponential
Smoothing, Weighted Moving Averages dan Trend Projection
merupakan metode dengan teknik peramalan kuantitatif statistik,yang
pada umumnya menggunakan data historis yang menitikberatkan pada
pola,perubahan pola, dan faktor gangguan (disturbances) yang
disebabkan oleh pengaruh acak (random). (Render dan Heizer,2005).
Berdasarkan uraian di atas Teknik analisis yang digunakan
oleh penulis mengenai peramalan proses produksi pada produk kain
CDP 2024 di PT Kusumahadi Santosa yaitu dengan metode Single
Moving Averages, Metode Exponential Smoothing dan Weighted
Moving dan Trend Projection.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
11
Metode rata-rata bergerak tunggal menggunakan sejumlah data
aktual permintaan yang baru untuk membangkitkan nilai ramalan
untuk permintaan di masa yang akan datang. Metode ini akan efektif
diterapkan apabila kita dapat mengasumsikan bahwa permintaan pasar
terhadap produk akan tetap stabil sepanjang waktu (Gaspersz, 2005).
Rumus yang digunakan dalam menghitung menggunakan :
1) Metode Single Moving Averages adalah sebagai berikut (Render dan
Heizer,2005):
Rata-rata bergerak
Dimana n adalah jumlah periode dalam rata-rata bergerak.
2) Metode Exsponential Smoothing (Penghalusan Eksponential)
Exsponential Smoothing adalah sebuah prosedur yang
mengulang perhitungan secara terus menerus yang menggunakan
data terbaru. Setiap data diberi bobot,dimana bobot yang digunakan
disimbolkan dengan α.Simbol alfa bisa ditentukan secara bebas
yang bisa mengurangi forecast error.Besarnya nilai alfa antara 0
sampai 1. Secara sistematis persamaan penulisan Exsponential
Smoothing adalah sebagai berikut (Render dan Heizer,2005)
F1 = Ft-1 +α(A t-1 – F t-1 )
Keterangan :
F1 : Peramalan baru
Ft-1 : Peramalan sebelumnya
Α : Konstanta penulisan(0-1)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
12
A t-1 : Permintaan actual periode sebelumnya
3) Rata-rata bererak tertimbang (Weighted Moving)
Apabila ada pola yang trend dan pola 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
besar.Pemilihan bobot ini merupakan hal yang tidak pasti karena
tidak ada rumus untuk menetapkan (Render dan Heizer,2005). Rata-
rata bergerak dengan pembobotan tertimbang dapat digambarkan
secara matematis sebagai berikut :
Rata-rata bergerak dengan pembobotan
=
Dimana n adalah jumlah periode dalam rata-rata bergerak
tertimbang
4) Metode proyeksi trend (Trend Projection)
Metode peramalan dengan Proyeksi Trend ini mencocokkan
garis trend kerangkaian titik data historis dan kemudian
memproyeksi garis itu ke dalam ramalan jangka menengah hingga
jangka panjang (Render dan Heizer, 2005)
Secara matematis, persamaan penulisan trend adalah
sebagai berikut :
= a + b x
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
13
Keterangan :
= ramalan jumlah produksi
a = persilangan sumbu y
b = kemiringan garis regresi (atau tingkat perubahan pada y
untuk perubahan yang terjadi di x)
x = variable bebas (dalam kasus ini adalah waktu)
Untuk mencari nilai a dan b menggunakan rumus :
b = a =
Untuk menentukan nilai x dan y menggunakan rumus :
Keterangan :
b = kemiringan garis regresi
∑ = tanda penjumlahan total
x = nilai variable bebas yang diketahui
y = variable terkait yang diketahui
= rata-rata nilai y
= rata-rata nilai x
n = jumlah data atau pengamatan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
14
BAB II
TINJAUAN PUSTAKA
A. Pengertian Peramalan
Peramalan itu memberikan gambaran dan memprediksi langkah-
langkah apa saja yang akan diambil untuk memenuhi permintaan konsumen.
Peramalan memang tidak selalu tepat sasaran karena penuh dengan ketidak
pastian tapi dengan peramalan yang tepat kita bisa membuat peramalan
dengan nilai kesalahan terkecil dan memberikan peramalan yang baik.
Berikut adalah pengertian peramalan menurut beberapa ahli :
a. Render dan Heizer (2005) mengemukakan peramalan adalah seni dan ilmu
untuk memperkirakan kejadian dimasa depan.
b. Subagyo (2002) 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 mengedakan forecast.
c. Gasperz (2005) peramalan adalah merupakan suatu dugaan terhadap
permintaan yang akan datang berdasarkan pada beberapa variabel, sering
berdasarkan pada data deret waktu historis.
d. Menurut Djarwanto (2001) “Forecasting yaitu memperkirakan sesuatu
pada waktu yang akan datang berdasarkan waktu lampau yang telah
disusun dalam laporan – laporan statistik”.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
15
Berdasarkan pengertian yang di jelaskan oleh beberapa ahli, maka
penulis menyimpulkan bahwa pengertian peramalan adalah cara untuk
memprediksi peristiwa yang belum terjadi, dengan memperkirakan peristiwa
yang akan terjadi di masa depan dengan data di masa lalu.
B. Tujuan Peramalan
Berikut adalah pengertian tujuan peramalan menurut :
Subagyo (2002) mengemukakan tujuan peramalan adalah mendapatkan
peramalan yang bisa meminimumkan kesalahan peramalan (forecast error)
yang bisa diukur dengan Mean Absolute Error (MAD) dan Mean Square
Error (MSE). Sehingga dengan adanya peramalan produksi manajemen
perusahaan akan mendapatkan gambaran keadaan produksi dimasa yang akan
datang, dan akan memberikan kemudahan dalam manajemen perusahaan
dalam menentukan kebijakan atau keputusan yang akan dibuat oleh
perusahaan.
C. Langkah-langkah Peramalan
Render dan Heizer (2005) mengemukakan peramalan terdiri dari tujuh
langkah dasar. Delapan langkah dasar tersebut adalah :
a. Menetapkan tujuan peramalan.
b. Memilih unsur apa yang akan diramal
c. Menentukan horizon waktu peramalan.
d. Memilih tipe model peramalan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
16
e. Mengumpulkan data yang dibutuhkan untuk melakukan peramalan.
f. Menentukan model peramalan yang tepat
g. Membuat peramalan.
h. Memvalidasi dan menerapkan hasil peramalan.
D. Jenis-jenis Peramalan
Render dan Heizer (2009) mengemukakan pada umumnya berbagai
organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan
operasi di masa depan.
a. Peramalan Ekonomi
Peramalan ekonomi menjelaskan siklus bisnis dengan memprediksi
tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan,dan indikator perencanaan lainnya.
b. Peramalan Teknologi
Peramalan teknologi memperhatikan tingkat kemajuan teknologi yang
dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik
dan peralatan baru.
c. Peramalan Permintaan
Peramalan Permintaan 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,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
17
dan sumber daya manusia. Selain itu, Taylor (2004) dalam hubungannya
dengan horizon waktu peramalan terbagi atas beberapa kategori, yaitu :
1) Ramalan jangka pendek (short-range forcest) mencakup masa depan
yang dekat (immediate future) dan memperhatikan kegiatan harian
suatu perusahaan bisnis, seperti permintaan harian atau kebutuhan
sumber daya harian.
2) Ramalan jangka menengah (medium-range forcest) mencakup jangka
waktu satu atau dua bulan sampai satu tahun. Ramalan jangka waktu
ini umumnya lebih berkaitan dengan rencana produksi tahunan dan
akan mencerminkan hal-hal seperti puncak dan lembah dalam suatu
permintaan dan kebutuhan untuk menjamin adanya tambahan untuk
sumber daya untuk tahun berikutnya
3) Ramalan jangka panjang (long-range forcest) mencakup periode yang
lebih lama dari satu atau dua tahun. Ramalan ini berkaitan dengan
usaha manajemen untuk merencanakan produk baru untuk pasar yang
berubah, membangun fasilitas baru, atau menjamin adanya
pembiayaan jangka panjang
E. Karakteristik Peramalan
Ishak (2010) mengemukakan karakteristik peramalan yang baik sebagai
berikut :
a. Akurasi
Diukur dengan kebiasaan dan kekonsistenan peramalan tersebut.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
18
b. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah
tergantung dari jumlah item yang diramalkan, lama periode, dan metode
peramalan yang dipakai.
c. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah
diaplikasikan akan membuat keuntungan bagi perusahaan
F. Metode Peramalan
Menurut Render dan Heizer (2005) terdapat dua pendekatan yang
digunakan dalam peramalan, yaitu:
a. Pendekatan Kualitatif
Yaitu peramalan yang menggabungkan faktor-faktor penting
seperti intuisi nilai (Render dan Heizer, 2005), teknik peramalan kualitatif
yang dapat digunakan adalah sebagai berikut :
1) Keputusan dari pendapat juri eksekutif
Teknik peramalan yang meminta pendapat segolongan kecil manajer
tingkat tinggi dan menghasilkan estimasi permintaan kelompok.
2) Metode delphi
Teknik peramalan yang menggunakan proses kelompokdimana pakar
melakukan peramalan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
19
3) Gabungan dari Teknik Penjualan
Teknik peramalan berdasarkan prediksi tenaga penjualan akan penjualan
yang diharapkan.
4) Survey Pasar Konsumen
Metode peramalan yang meminta input dari konsumen mengenai
rencana pembelian mereka dimasa depan.
b. Pendekatan Kuantitatif
Yaitu pendekatan peramalan yang menggunakan satu atau lebih
model matematis, dengan data masa lalu dan variabel sebab akibat, untuk
meramalkan permintaan (Render dan Heizer, 2005) ini menggunakan
berbagai model matematis yang menggunakan data historis dan atau
variabel-variabel kausal untuk meramalkan permintaan.
Menurut Render dan Heizer (2005) peramalan kuantitatif
dikelompokan kedalam dua model, yaitu :
1) Model Seri Waktu (Time Series)
Metode time series adalah teknik peramalan yang menggunakan
sekumpulan data masa lalu untuk melekukan peramalan (Render dan
Heizer, 2005).
Pendekatan data kuantitatif dari seri waktu, dapat dilakukan
dengan lima metode (Render dan Heizer, 2005), yaitu :
a) Metode Penghalusan Eksponensial (exponential smoothing)
Eksponential Smoothing merupakan teknik rata – rata
bergerak. Eksponential Smoothing mencakup pemelihar Menurut
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
20
Render dan Heizer (2005) rumus Eksponential Smoothing adalah
sebagai berikut :
Ft = Ft-1 + a (At-1 – Ft-1)
Dimana :
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
a = konstanta penghalusan (pembobot)
(0 1³£a )
At-1 = permintaan aktual periode sebelumnya.
b) Metode Rata-rata bergerak sederhana (Single Moving Average)
Metode rata-rata bergerak tunggal menggunakan sejumlah
data aktual permintaan yang baru untuk membangkitkan nilai
ramalan untuk perminataan di masa yang akan datang. Metode ini
akan efektif diterapkan apabila kita dapat mengasumsikan bahwa
permintaan pasar terhadap produk akan tetap stabil sepanjang
waktu (Gaspersz, 2005).
Bila permintaan berubah secara signifikan dari waktu ke
waktu, ramalan harus cukup agresif dalam mengantisipasi
perubahan tersebut, sehingga nilai N yang kecil akan lebih cocok
dipakai. Sebaliknya, bila permintaan cenderung stabil selama
jangka waktu yang panjang, sebaiknya dipakai nilai N yang besar
(Nasution, 2005).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
21
Secara sistematis, penulisan persamaan Single Moving
Averages adalah :
Rata-rata bergerak n-Periode =
Keterangan :
∑ = jumlah
n = adalah jumlah periode dalam rata-rata bergerak.
c) Pendekatan naif
Metode peramalan yang mengasumsikan bahwa permintaan pada
periode berikutnya adalah sama dengan permintaan dalam periode
sebelumnya.
d) Metode Rata-rata bergerak tertimbang (weighted moving average)
Model rata-rata bergerak terbobot ini lebih responsif
terhadap perubahan, karena data dari periode yang baru biasanya
diberi bobot yang lebih besar. (Gaspersz, 2005). Pemilihan bobot
merupakan hal yang tidak pasti karena tidak ada rumus untuk
menetapkan(Render dan Heizer, 2005).
Secara matematis, persamaan penulisan Weighted Moving
Average adalah sebagai berikut (Render dan Heizer, 2005):
Rata-rata bergerak dengan pembobotan =
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
22
e) Metode proyeksi trend (Trend Projection)
Metode peramalan dengan Proyeksi Trend ini mencocokkan garis
trend kerangkaian titik data historis dan kemudian memproyeksi
garis itu ke dalam ramalan jangka menengah hingga jangka
panjang (Render dan Heizer, 2005) secara matematis, persamaan
penulisan trend adalah sebagai berikut :
= a + b x
Keterangan :
= ramalan jumlah produksi
a = persilangan sumbu y
b = kemiringan garis regresi (atau tingkat perubahan pada y
untuk perubahan yang terjadi di x)
x = variable bebas (dalam kasus ini adalah waktu)
Untuk mencari nilai a dan b menggunakan rumus :
b = a =
Untuk menentukan nilai x dan y menggunakan rumus :
Keterangan :
b = kemiringan garis regresi
∑ = tanda penjumlahan total
x = nilai variable bebas yang diketahui
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
23
y = variable terkait yang diketahui
= rata-rata nilai y
= rata-rata nilai x
n = jumlah data atau pengamatan
2) Model kausal
a) Proyeksi Trend (Trend Projection)
Teknik ini mencocokkan garis ke rangkaian titik historis dan
kemudian memproyeksikan garis itu ke dalam ramalan jangka
menengah hingga jangka panjang.
Rumus proyeksi Trend menurut Render dan Heizer (2001 : 58)
Ù
y = a + b x
Keterangan :
a : perpotongan sumbu y
b : kemiringan garis / kelandaian garis regresi
x : waktu (variabel bebas)
Ù
y : nilai variabel yang dihitung untuk diprediksi
Untuk memperoleh nilai a dan b diperoleh dengan :
b = 22 xxx
yxxy
-å
-å
a = xby-Ù
Keterangan :
b : kelandaian garis regresi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
24
å : tanda penjumlahan
x : nilai variabel bebas
y : nilai variabel y
x : rata – rata nilai x
y : rata rata nilai y
n : jumlah data / observasi
b) Analisis Regresi Linier
Regresi biasanya digunakan sebagai alat kasus ekonomi dan
hukum. Menurut Render dan Heizer (2005) menuliskan persamaan
regresi linear sebagai berikut :
Rumus :
Ù
y = a + b x
Keterangan :
Ù
y : nilai variabel tidak bebas
a : perpotongan sumbu y
b : kelandaian garis regresi
x : variabel bebas
G. Pengukuran Kesalahan Peramalan
a. Pengukuran Kesalahan Peramalan
1) Kesalahan dalam peramalan mempengaruhi keputusan melalui dua cara:
a) Kesalahan dalam memilih teknik peramalan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
25
b) Kesalahan dalam mengevaluasi keberhasilan menggunakan teknik
peramalan.
2) Rumus yang sering digunakan dalam menghitung kesalahan, yaitu Mean
Absolute Deviation (MAD) dan Mean Square Error (MSE). Mean
Absolute Deviation rata – rata kesalahan absolute dan Mean Square
Error adalah ukuran deviasi peramalan dan tidak mempertimbangkan
apakah kesalahan itu negatif atau positif.
Mean Absolute Deviation = n
peramalan) (kesalahanS
Rumus Mean Square Error menurut Render dan Heizer (2001)
Mean Square Error = n
peramalankesalahan 2S
Dimana :
S = jumlah
n = periode
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
26
BAB III
PEMBAHASAN
A. DESKRIPSI OBJEK PENELITIAN
1. Gambaran umum PT. Kusumahadi Santosa
Di Jawa Tengah khususnya di surakarta terdapat banyak
perusahaan tekstil. Salah satu perusahaan tekstil yaitu perusahaan keluarga
yang memproduksi tekstil yang bercorak batik. Perusahaan tersebut adalah
PT . Danar Santosa. Pendiri perusahaan ini adalah bapak R.H Santosa
berdasarkan akta Notaris Miriam, SH tanggal 21 Maret 1975
NO.22/PPA/1975. PT. Danar Hadi Santosa berkembang sangat pesat dri
tahun ke tahun dan pada tahun 1980 PT. Danar Hadi Santosa mendirikan
anak perusahaan. Anak perusahaan tersebut adalah PT. Kusumahadi
Santosa berdasarkan Akta Notaris Maria Theresia Budi Santosa, SH, dalam
keputusannya NO.YA5/287/4.
PT. Kusumahadi Santosa resmi berdiri pada tanggal 14 Mei 1981
NO.II/II/1980. Perusahaan ini berbentuk Perseorangan Terbatas (PT), di
dalam undang-undang No 6 tahun 1981 tentang PMDN menjadi dasar
hukumnya. Perustrusahaan ini merupakan perusahaan yang bergerak dalam
bidang industri tekstil dan dalam hal ini proses produksinya terdiri dari
weaving, finishing, printing, dan dyeing. Sedangkan produk yang
dihasilkan adalah kain mentah (Grey), kain putih (Cambrig),dan kain
printing. PT. Kusumahadi Santosa terletak di Surakarta bagian timur,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
27
tepatnya di jalan Raya Solo – Tawangmangu KM 9,5 Jaten, Karanganyar.
Oleh menteri Tenaga Kerja RI Bapak Soedomo pada tanggal 21 September
1983 PT. Kusumahadi Santosa diresmikan, dengan fasilitas yaitu :
a. Bangunan pabrik, perumahan karyawan dan fasilitasnya, bangunan
kantor dan peralatannya
b. Delapan (8) mesin di departemen weaving.
c. Enam belas (16) mesin di departemen finishing
d. Sarana olahraga dan bangunan lain sebagai pelengkap.
PT.Kusumahadi Santosa kadang-kadang sulit mendapatkan benang
yang baik dan halus, maka pada tahun 1987 didirikan PT.Kusumaputra
Santosa. PT.Kusumaputra Santosa bergerak di bidang Spining (Pemintalan
benang), menempati tanah seluas 5 hektar dan mulai trial running pada
bulan juli 1990. Hasil produksi PT. Kusumaputra Santosa sebesar 60 % dan
selebihnya dijual di pasar bebas, PT. Kusumahadi Santosa terdiri dari tiga
unit produksi, yaitu Weaving (Petenunan), Pre Treatment, dan
Printing(Pencapan). Sedangkan PT. Kusumaputra Santosahanya memiliki
satu unit produksi saja yaitu Spinning (Pemintalan Benang) yang dihasilkan
sangat bervariasi sesuai permintaan konsumen.
Adapun mesin-mesin yang digunakan untuk produksi di
PT.Kusumahadi Santosa adalah sebagai berikut:
1. Mesin-mesin Tenun PT.Kusumahadi Santosa
a. Suttle loomping
1) Type GH-9 Shedding Lobby 56”
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
28
2) Type GH-9 Shedding Lappet 65”
b. Air jet loom
1) Type ajl 205
2) Type ajl 205i
c. Dobby
1) Yamada GD 50
2. Untuk mesin persiapan
a) Waping (Beninger, Baba)
b) Sizing (Shuccer Muller, Zell, Baba)
c) Reaching (Todo)
3. Pre treatment
a) Mercerizing
b) Sanforizing
c) Pad Batch Dying
d) Gassingeing
e) Parble
4. Printing
Mesin-mesin yang digunakan adalah
a) Mesin Flat Inchinose
b) Mesin Stenter Wakayana
c) Mesin Cold Pad Batch mesin Rotary Print
d) Mesin Steamer untuk Print
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
29
2. Tujuan PT. Kusumahadi Santosa
Tekstil merupakan kebutuhan pokok setiap orang, sejak lahir sampai
mati, mudah mengikut situasi, kondisi dan zamannya. Industri tekstil yang
relatif menarik banyak tenaga kerja selalu menjadi perintis industrialisasi
bagi negara yang sedang berkembang. Dengan pertumbuhan penduduk atau
pertumbuhan ekonomi, maka permintaan tekstil semakin meningkat, tetapi
persaingan juga semakin ketat. Oleh karena itu, PT.Kusumahadi selalu
memperhatikan dan berusaha memenuhi kebutuhan dan keinginan
pelanggan melalui peningkatan mutu, pelayanan dan daya saing.
a. Tujuan perusahan
1) Meningkatkan Sumber Daya Manusia yang terlatih, disiplin yang
tinggi, mampu bekerja keras dalam menghadapi ketatnya
persaingan dibidang tekstil
2) Meningkatkan mutu pelayanan dan daya saingnya.
3) Mengarahkan segala sumber daya dan usaha yang disertai dengan
sistem manajemen yang tepat guna dan berdaya guna.
4) Mendapatkan keuntungan/laba dari penjualan produksi
5) Ikut membantu pemerintah dalam hal menciptakan lapangan
pekerjaan bagi masyarakat.
6) Membantu pendapatan pemerintah daerah tempat perusahaan
didirikan
7) Meleatarikan batik dan mendukung pengadaan bahan baku yang
dibutuhkan dalam pembuatan batik halus.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
30
b. Sasaran mutu perusahaan
1) Meningkatkan produktivitas
2) Mengurangi jumlah tuntutan ganti rugi pemesanan
3) Mengurangi jumlah keluhan dari pelanggan
3. Lokasi Perusahaan
Lokasi PT. Kusumahadi Santosa terletak di tepi utara jalan raya
Solo – Tawangmangu KM 9,4 Jaten, Karanganyar, Jawa Tengah. Area
tanah seluas 47.140 m2 yang terdiri dari tanah untuk bangunan pabrik,
kantor, perumahan, koperasi, kantin, tempat parkir, poliklinik. Pemilihan
lokasi tersebut atas dasar pertimbangan sebagai berikut :
a. Sarana transportasi yang mudah
PT. Kusumahadi Santosa berada di jalan Solo-Tawangmangu yang
merupakan jalan alternatif menuju arah Jawa Timur dan sebaliknya.
b. Tersedianya sumber tenaga kerja
PT. Kusumahadi Santosa merupakan perusahan yang mudah
mendapatkan tenaga kerja murah karena melakukan kerjasama dengan
beberapa Sekolah Menengah Kejuruan (SMK) yang ada di Karanganyar
c. Faktor Fasilitas
Tersediannya listrik dan air merupakan faktor yang tak kalah penting
dalam memilih suatu lokasi perusahaan. Tersedianya listrik dan
kemudahan mendapatkan air menjadikan kegiatan produksi berjalan
dengan lancar. Oleh sebab itu manajemen PT. Kusumahadi Santosa
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
31
memilih lokasi di Jaten Karanganyar karena di lokasi tersebut dapat
terpenuhi
d. Perijinan
Perijinan untuk mendirikan perusahan di daerah Jaten, Karanganyar
cukup mudah mengingat di daerah tersebut juga banyak terdapat
perusahaan.
4. Lay Out PT.Kusumahadi Santosa
Pengaturan tata letak serta susunan mesin-mesin, peralatan-
peralatan dan fasilitas-fasilitas lain dalam perusahaan harus ditentukan
sedemikian rupa sehingga benar-benar efektif dan efisien. Penyusunan serta
pengatur letak ini harus disesuaikan dengan kondisi dalam perusahaan. Lay
Out PT.Kusumahadi Santosa dapat dilihat pada gambar 3.1
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
32
Gambar 3.1 Lokasi PT Kusuma Hadi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
33
5. Aspek Personalia
a. Sistem Personalia PT.Kusumahadi Santosa
Tenaga kerja di PT.Kusumahadi Santosa telah memenuhi
ketentuan-ketentuan ketenagakerjaan yang diatur oleh Departemen
Tenaga Kerja RI, antara lain mengenai jam kerja, sistem kompensansi,
jaminan sosial dan lain-lain. Jumlah tenaga kerja PT.Kusumahadi
Santosa ± 2.257 karyawan, yang terdiri dari karyawan kantor, Spinning,
Weaving I, Weaving II, dan bagian Utility.
Secara rinci dapat dilihat di tabel berikut:
Tabel 3. 1
Jumlah Tenaga Kerja PT. Kusumahadi Santosa
Keterangan L P Jumlah
Komisaris 2 2 Direksi 3 1 4
Staff 29 7 36 Weavinf I 450 247 697
PPC 6 9 15 Weaving II 142 76 218 Finishing 101 23 124 Printing 340 52 392 Utility 54 54
Keuangan 8 13 21 Umum 90 6 96
Pemasaran 49 7 56 Jumlah 1272 443 1715
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
34
Tabel 3. 2
Jumlah Tenaga Kerja Weaving II
Bagian Jumlah
Group A 19
Group A 20
Group A 22
Group A 22
Group A 19
Group A 23
Group A 21
Administrasi dan Quality Control 43
Maintenance 29
Jumlah 218
Sumber: data PT. Kusumahadi Santosa 2011
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
35
b. Sistem Kerja
PT. Kusumahadi Santosa memberlakukan jam kerja 7 jam sehari dengan
6 hari kerja yaitu Senin sampai dengan hari Sabtu.
Sedangkan berdasarkan jam kerjanya dibedakan menjadi :
1. Normal
a) Senin – Kamis Jam 08.00-16.00 WIB
Istirahat Jam 12.00-13.00 WIB
b) Jumat Jam 08.00-16.00 WIB
Istirahat Jam 11.30-13.30 WIB
c) Sabtu Jam 08.00- 13.00 WIB
2. Shift
Sedangkan untuk karyawan shift adalah sebagai berikut:
a) Shift I Jam 06.00-14.00 WIB
b) Shift II Jam 14.00-22.00 WIB
c) Shift III Jam 22.00-06.00 WIB
c. Jaminan Sosial
1. Jaminan Kesejahteraan Karyawan:
a) Jaminan beribadah
b) Jaminan olahraga dan rekreasi
c) Jaminan kesehatan dan pengobatan
d) Jaminan untuk upah lembur
e) Jaminan jamsostek
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
36
f) Perusahaan menyediakan bus untuk antar jemput untuk
karyawan
g) Jaminan koperasi karyawan
h) Perusahaan memberikan pakaian kerja untuk karyawan produksi,
maintenance, karyawan kantor dan karyawan masing-masing
mendapatkan 2 pasang baju dalam 1 tahun.
i) Perusahaan memberikan makanan dan minuman pada saat jam
istirahat di perusahaan
2. Pemberian Tunjangan, antara lain :
a) Tunjangan perkawinan
b) Tunjangan hari raya
c) Tunjangan kematian
d) Tunjangan kecelakaan kerja
3. Memberikan cuti dan hari-hari libur, antara lain:
a) Hari libur resmi/istirahat minggu dan bagi shift tiap 3 hari libur 1
hari
b) Cuti karena haid dan sakit
c) Cuti tahunan
d) Cuti kepentingan sosial
e) Cuti kehamilan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
37
6. Struktur Organisasi Dan Job Description
a. Struktur Organisasi
Organisasi dalam perusahaan adalah kerjasama antara orang-
orang dalam perusahaan untuk mencapai suatu keuntungan dengan
berdasarkan prinsip-prinsip ekonomi. Dalam suatu organisasi atau
perusahaan sangat diperlukan adanya struktur organisasi karena akan
memudahkan dan membantu pimpinan dalam mengawasi jumlah
kegiatan perusahaan serta memperlancar tugas-tugas karyawan.
Manfaat dari penyusunan struktur organisasi bagi perusahaan
antara lain :
1) Karyawan dapat mengetahui kepada siapa ia harus bertanggung
jawab dan mengetahui kepada siapa seorang atasan memberi tugas
2) Mempermudah pelaksanaan tugas
3) Mengkoordinasi kegiatan yang dilakukan oleh bawahan sehingga
dapat tercapai tujuan yang telah direncanakan
4) Menghindari kekosongan kerja maupun duplikasi tugas, karena
adanya struktur organisasi karyawan mengetahui dengan jelas akan
tugas dan tanggung jawabnya.
Untuk lebih jelasnya mengenai struktur organisasi
PT.Kusumahadi Santosa berikut ini adalah bagan struktur organisasi
PT.Kusumahadi Santosa:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
38
Gambar 3.2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
39
b. Job Description
Dari bagan organisasi PT. Kusumahadi Santosa dapat dijelaskan
mengenai tugas dan tanggungjawab masing-masing bagian adalah
sebagai berikut:
1) Pemegang Saham
Merupakan orang-orang yang mempunyai saham secara hukum atas
kepemilikan perusahaan.
2) Dewan Komisaris
Dewan Komisaris merupakan badan tertinggi dalam organisasi
perusahaan yang anggotanya diangkat dan diberhentikan oleh rapat
umum pemegang saham. Adapun tugas dari Dewan Komisaris yaitu
mengatur dan mengkoordinir kepentingan para pemegang saham
sesuai dengan ketentuan yang telah ditetapkan dalam kebijaksanaan
umum perusahaan.
3) Direktur Utama
Mempunyai tugas sebagai berikut:
a) Memimpin perusahaan
b) Mengawasi perusahaan
c) Mendelegasikan sebagai wewenang dan tanggung jawab kepada
manajer
d) Menentukan kebijakan pokok dalam perencanaan, penyusunan,
pengendalian dan pengembangan perusahaan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
40
e) Melakukan pembinaan kegiatan dan menilai hasil dari tujuan
perusahaan yang dibantu oleh staff ahli operasional, pengawasan,
dan internal audit
4) Kepala Divisi Pemasaran
Mempunyai tugas dan wewenang membawahi 3 bidang pemasaran
yaitu:
a) Manager Gudang Pemasaran
Bertanggung jawab untuk menjaga stabilitas penyimpanan produk
yang akan dijual
b) Manager Penjualan
Manager penjualan mempunyai tugas mencari calon konsumen dan
menjaga relasi hubungan baik dengan konsumen dalam negeri
maupun luar negeri
c) Manager Eksport
Manager Eksport menangani masalah penjualan produksi yang
akan dieksport
5) Kepala Divisi Produksi I
Kepala Divisi Produksi I mempunyai tugas dan wewenang
membawahi 5 bidang produksi yang dikhususkan produksi kain polos
(cambric) yaitu:
a) Manager Utility
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
41
Manager utility bertanggung jawab atas pemeliharaan dan
pengadaan diesel dan listrik yang dipergunakan untuk operasi
perusahaan
b) Manager PPC
Bertanggung jawab atas perencanaan dan pengendalian bahan baku
benang
c) Manager Spinning
Bertanggung jawab atas jalannya proses produksi pemintalan
benang secara keseluruhan
d) Manager Weaving I dan II
Bertanggung jawab atas jalannya proses produksi kain polos
(cambric) baik secara kualitas maupun kuantitas
6) Kepala Divisi Produksi II
Kepala divisi produksi II mempunyai tugas dan wewenang
membawahi 5 bidang produksi yang dikhususkan produksi kain polos
(cambric) menjadi kain yang bercorak yaitu:
a) Manajer produksi Printing
Bertanggung jawab atas produksi di pencapan dan pencelupan
secara keseluruhan
b) Manajer Persiapan
Bertanggung jawab akan persediaan kualitas dan kuantitas kain
sebelum dan sesudah proses di bagian printing
c) Manajer Desain
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
42
Bertanggung jawab atas pengadaan Desain kain bercorak
d) Manager pre Treatment
Bertanggung jawab atas pengujian bahan baku yang menggunakan
bahan kimia yang digunakan dalam proses produksi
7) Kepala Divisi Umum dan Keuangan
a) Manajer Akutansi dan Keuangan
Bertanggung jawab mengurusi bidang keuangan, melakukan
pembayaran gaji karyawan, dan menyalin laporan keuangan bagi
pihak yang bersangkutan dengan perusahaan
b) Manajer Umum dan Personalia
Bertanggung jawab memperlancar perkembangan perusahaan dan
kesejahteraan pegawai serta menentukan urusan kepegawaian,
mencari dan menyeleksi tenaga kerja yang sesuai dengan
spesifikasi dan kebutuhan, dan mengadakan hubungan dengan
pihak luar untuk hal-hal tertentu, misalnya kunjungan
keperusaahan lain, pelatihan, dan penelitian.
c) Manajer EDP ( Electronic Data Processing)
Manajer EDP bertanggung jawab memproses berbagai data yang
ada dalam perusahaan.
7. Aspek Produksi
Adapun proses produksi di bagian departemen weaving II dapat dilihat
sebagai berikut:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
43
Gambar 3.3 Flow chart weaving II
a. Bahan Baku
Bahan baku yang digunakan dalam proses produksi PT. Kusumahadi
Santosa, meliputi :
Bahan Baku Benang
Warping
Inspecting
Cone Winding
Tying
Sizing
Draw In
Leasing In dan Reaching
Air Jet Loom
Folding
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
44
1) Benang
Bahan baku berupa benang disuplay 60% dari PT.Kusumaputra
Santosa dan 40% dari pabrik pemintalan lainnya.
2) Bahan-bahan Kimia
Bahan-bahan kimia di datangkan 30% dari import dan sisanya
didapat pabrik kimia di Indonesia.
3) Spare Part
Spare Part dari import untuk shuttle 20 % dan 50% untuk jet loom
sisannya di datangkan dari pabrik di Indonesia
b. Warping
Proses warping merupakan proses penggulungan benang lusi ke dalam
beam lusi yang akan dipasang pada mesin tenun dalam bentuk
gulungan yang sejajar dengan panjang tertentu lebar tertentu, jumlah
lusi tertentu dengan tegangan lusi yang sama.
c. Sizing
Sizing merupakan proses penganjian dengan formula bahan kimia
tertentu untuk meningkatkan daya tenun lusi, menambah sifat licin
benang dan menambah kekuatan tarik benang.
d. Cone Winding
Cone Winding merupakan proses penggulungan benang pakan dari
bentuk cone menjadi bentuk palet yang rata dan padat dengan
diameter dan panjang yang telah di tentukan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
45
e. Reaching In
Reaching In merupakan proses pencucukan (memasukkan) benang
lusi pada dropper, gun dan sisir sesuai dengan rencana tenun.
f. Leasing In
Leasing In merupakan proses penghitungan jumlah benang lusi
dengan jenis kontruksi yang sama pada saat penenunan.
g. Tying
Tying merupakan proses penyambungan benang lusi dengan jenis
kontruksi yang sama pada saat penenunan
h. Air Jet Loom
Air Jet Loom merupakan proses pembuatan jalinan benang dengan
gerakan-gerakan naik turun vertikal dilakukan dengan cara
menggerakkan exentrik dengan injakan untuk memasukkan benang
pakan sehingga menjadi lembaran kain mentah (grey)
i. Inspecting
Inspecting merupakan proses pengendalian kualitas untuk mengetahui
cacat-cacat kain sehingga, dapat menentukan macam dari grade kain
yang dihasilkan.
j. Folding
Folding merupakan proses pelipatan hasil akhir yaitu, kain yang telah
diperbaiki di mesin inspecting dengan ukuran satu meter perlapis kain.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
46
B. Laporan Magang Kerja
1. Tempat dan Waktu Pelaksanaan Magang
Kegiatan magang dilakukan JL. Raya Jaten Km 9,4 Jaten,
Karanganyar, Jawa Tengah. Telp: (62-271)825636, Fax (62-271)825478,
825628.
Magang kerja dilaksanakan pada tanggal 16 Januari s/d 16 Februari
2012, yaitu selama satu bulan. Magang kerja dilaksanakan setiap hari
Senin- Sabtu yang dimulai pada pukul 08.00 s/d 16.00 WIB, kecuali hari
sabtu magang dimulai pukul 08.00 s/d 13.00 WIB.
2. Kegiatan Magang Kerja
Selama kegiatan magang kerja berlangsung, mahasiswa diwajibkan
untuk mengikuti tata tertib yang telah ditentukan oleh perusahaan
diantaranya sebagai berikut :
a. Peserta magang diwajibkan melapor kepada pembimbing lapangan
sebelum pelaksanaan magang kerja.
b. Peserta magang diwajibkan memakai pakaian baju putih dan celana
hitam dengan ketentuan rapi dan sopan.
c. Datang dan pulang tepat waktu sesuai aturan yang ditetapkan.
d. Tidak diperkenakan merokok selama kegiatan magang kerja
berlangsung.
Waktu pelaksanaan magang sudah disepakati antara pihak
perusahaan dan penulis, dimana waktu pelaksanaan magang kerja selama
satu bulan yaitu 16 januari-16 Februari 2012. Untuk waktu pelaksanaan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
47
magang kerja dalam satu minggu masuk enam kali dan lama penelitian
mulai pukul 08.00-16.00 WIB, khusus untuk hari sabtu mulai pukul
08.00-13.00 WIB. Kegiatan selama magang kerja telah diatur oleh pihak
PT.Kusumahadi Santosa yang disesuaikan dengan jurusan yang diambil
mahasiswa adalah manajemen industri maka pelaksanaan magang kerja
ditempatkan di bagian produksi. Berikut ini merupakan rincian laporan
semua kegiatan selama penelitian yang dilakukan penulis di PT.
Kusumahadi Santosa:
a. Minggu pertama
1) Perkenalan mahasiswa dengan pembimbing lapangan.
2) Perkenalan dengan beberapa karyawan perusahaan.
3) Penjelasan dari pembimbing lapangan tentang hal-hal yang
berkaitan dengan perusahaan, khususnya pada weaving II.
4) Mengamati lokasi, lingkungan perusahaan dan cara kerja mesin
serta proses produksi.
5) Merekap data hasil inspecting kerusakan dari karyawan.
b. Minggu kedua
1) Mengamati proses penganjian, pencucukan dan penenunan
2) Melakukan wawancara pada bagian administrasi
3) Membantu pekerjaan karyawan di weaving II
c. Minggu ketiga
1) Mengamati proses pelipatan kain
2) Membantu karyawan dalam merekap data harian
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
48
3) Membantu bagian administrasi
d. Minggu keempat
1) Membantu karyawan dalam merekap data kualitas
2) Membantu karyawan dalam merekap data inspecting
3) Meminta sample kain
4) Perpisahan
C. Pembahasan Masalah
PT. Kusumahadi Santosa adalah perusahaan yang bergerak dalam
bidang tekstil khususnya membuat kain cambric (kain putih polos). Salah
satu produk yang diproduksi adalah kain CDP 2024. Hasil produksi nya
sebagian besar masuk ke pasar ekspor dengan beberapa negara tujuan
diantaranya : Turki, Belanda, dan Eropa.
Dalam bab ini peneliti akan membahas mengenai peramalan
produksi kain CDP 2024. Dalam perhitungan peramalan ini penulis
menggunakan data produksi kain CDP 2024 pada bulan januari –
Desember 2011. Adapun data produksi yang dugunakan untuk menghitung
peramalan dan pembahasannya adalah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
49
Tabel 3.3
Data Produksi Kain CDP 2024 PT. Kusumahadi Santosa Januari-Desember 2011
Sumber : PT.Kusumahadi Santosa
Berdasarkan tabel 3.3 dapat dilihat bahwa data produksi kain CDP
2024 pada PT. Kusumahadi Santosa berfluktuasi dari bulan ke bulan.
Produksi kain paling tinggi terjadi pada bulan Juni yaitu sebesar
435.672,01 meter dan produksi paling rendah terjadi pada bulan
September yaitu sebesar 156.894,61. Metode yang sesuai digunakan
Bulan Produksi
Januari 374.227
Februari 384.560
Maret 334.381
April 299.917
Mei 259.072
Juni 435.672
Juli 217.300
Agustus 223.533
September 156.895
Oktober 248.970
November 304.267
Desember 282.383
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
50
adalah time series. Pemilihan metode time series lebih sesuai dari pada
metode klausal, karena metode time series lebih cocok untuk data yang
bersifat acak seperti data diatas, sedangkan klausal lebih cocok digunakan
untuk data yang berupa sebab akibat.
1. Perhitungan Peramalan
a. Metode Single Moving Averages
Persamaan yang digunakan adalah:
Single Moving Averages
Keterangan :
n = Jumlah periode dalam rata-rata bergerak ( periode yang
digunakan pada penelitian ini adalah 3-bulanan dan 4-bulanan)
Apabila data aktual produksi kain CDP 2024 di terapkan pada
persamaan Single Moving Averages , maka hasilnya adalah :
1) Single Moving Average 3- Bulanan
April : 374.227 + 384.560 + 334.381
3 : 364.389,3
Mei : 384.560 + 334.381 + 299.917
3 : 339.619,3
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
51
Juni : 334.381 + 299.917 + 259.072
3 : 297.790
Juli : 299.917 + 259.072 + 435.672
3 : 331.553,7
Agustus : 259.072 + 435.672 + 217.300
3 : 304.014,7
September : 435.672 + 217.300 + 223.533
3 : 292.168,3
Oktober : 217.300 + 223.533 + 156.895
3 : 199.242,7
November : 223.533 + 156.895 + 248.970
3 : 209.799,3
Desember : 156.895 + 248.970 + 304.267
3 : 236.710,7
Januari : 248.970 + 304.267 + 282.383
3 : 278.540
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
52
Tabel 3.4 Peramalan Produksi Kain CDP 2024
Dengan Metode Single Moving Average 3-Bulanan Januari- Desember 2011
Bulan Produksi Forcest
Januari 374.227 -
Februari 384.560 -
Maret 334.381 -
April 299.917 364.389,3
Mei 259.072 339.619,3
Juni 435.672 297.790
Juli 217.300 331.553,7
Agustus 223.533 304.014,7
September 156.895 292.168,3
Oktober 248.970 199.242,7
November 304.267 209.799,3
Desember 282.383 236.710,7
Totals 3.521.177
Average 293.431,41
Next Period (januari
2012)
278.540
Sumber : Data yang telah diolah
Dari tabel 3.4 dapat dilihat bahwa hasil peramalan
dengan metode Single Moving Average 3-bulanan dapat dimulai
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
53
pada bulan keempat yaitu bulan April 2011. Peramalan dimulai
pada bulan keempat karena tiga bulan sebelumnya digunakan
sebagai dasar untuk menentukan peramalan.
Tabel 3.5 Pengukuran Kesalahan (error) peramalan Pada Peramalan Produksi Kain CDP 2024
Dengan Metode Single Moving Average 3-bulanan Januari – Desember 2011
MAD = 802.777,8 : 89.197,53 meter
9
MSE = 80.968.990.000 : 8.996.555.000 meter
9
Berdasarkan tabel 3.5 Berdasarkan perhitungan diatas dapat dianalisis
bahwa dengan metode Single Moving Average 3 bulanan, terdapat
kesalahan (error) peramalan MAD sebesar 89.197,53 meter dan MSE
8.996.555.000 sebesar meter. Data ini digunakan sebagai dasar pembanding
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
54
dengan data kesalahan (error) peramalan metode lain, untuk dicari metode
peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil
2) Single Moving Average 4-bulanan
Mei : : 348.271,3
Juni :
: 319.482,5
Juli : : 332.260,5
Agustus :
: 302.990,3
September : : 283.894,3
Oktober :
: 258.350
November :
: 211.674,5
Desember :
: 233.416,3
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
55
Januari 2012 :
: 248.128,8
Tabel 3.6 Peramalan Produksi Kain CDP 2024
Dengan Metode Single Moving Average 4-Bulanan Januari- Desember 2011
Bulan Produksi (meter) Forcest
Januari 374.227 -
Februari 384.560 -
Maret 334.381 -
April 299.917 -
Mei 259.072 348.271,3
Juni 435.672 319.482,5
Juli 217.300 332.260,5
Agustus 223.533 302.990
September 156.895 283.899,3
Oktober 248.970 258.350
November 304.267 211.674,5
Desember 282.383 233.416,3
Totals 3.521.177
Average 293.431,41
Next Period (januari
2012)
248.148,8
Sumber : Data yang telah diolah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
56
Dari tabel 3.6 Berdasarkan perhitungan diatas dapat dianalisis bahwa
dengan metode Single Moving Average 4 bulanan dapat dimulai pada bulan
kelima yaitu bulan Mei 2011. Peramalan dimulai pada bulan kelima karena
empat bulan sebelumnya digunakan sebagai dasar untuk menentukan
peramalan.
Tabel 3.7 Pengukuran Kesalahan (error) Peramalan Pada Peramalan Produksi Kain CDP 2024
Dengan Metode Single Moving Average 4-bulanan Januari-Desember 2011
Sumber : Perhitungan dengan POM for Window
MAD = 677.745 : 84.718,13 meter
8
MSE = 68.173790.000 : 8.521.723.000 meter
8
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
57
Berdasarkan tabel 3.7 Berdasarkan perhitungan diatas dapat dianalisis
bahwa dengan metode Single Moving Average 4 bulanan, terdapat kesalahan
(error) peramalan MAD sebesar 84.718,3 meter dan MSE sebesar
8.521.723.000 meter. Data ini digunakan sebagai dasar pembanding dengan
data kesalahan (error) peramalan metode lain, untuk dicari metode
peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil.
b. Metode Weighted Moving Averages
Persamaan yang digunakan adalah:
Weighted Moving Average
=
Keterangan :
( pembobotan yang digunakan penulis dalam penelitian ini adalah 3 bulanan
terbobot dan 4 bulanan terbobot)
Apabila data aktual produksi kain CDP 2024 diterapkan pada persamaan
Weighted Moving Average (3 bulanan terbobot dan 4 bulanan terbobot),
maka hasilnnya adalah :
1) Weighted Moving Average 3 bulan Terbobot
Pemberian bobot untuk metode Weighted Moving Average 3 bulanan
terbobot adalah satu bulan yang lalu diberi bobot 3, dua bulan yang lalu
diberi bobot 2, tiga bulan yang lalu diberi bobot 1, dengan jumlah
pembobotan 6.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
58
April = (3 × 334.381) + (2 × 384.560) + (1×374.227)
6 = 357.748,33 Mei = (3 × 299.917) + (2 × 334.381) + (1×384.560)
6 =325.512,16 Juni = (3 × 259.072) + (2 ×299.917) + (1×334.381)
6 =285.238,5 Juli = (3 × 435.672) + (2 ×259.072) + (1×299.917)
6 = 354.179,5 Agustus = (3 × 217.300) + (2 ×435.672) + (1×259.072)
6 = 297.052,66 September = (3 × 223.533) + (2 ×217.300) + (1×435.672)
6 = 256.811,8 Oktober = (3 × 156.895) + (2 ×223.533) + (1×217.300)
6 = 189.175,16 November = (3 × 156.895) + (2 ×223.533) + (1×217.300)
6 = 214.038,83
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
59
Desember = (3 × 156.895) + (2 ×223.533) + (1×217.300)
6 = 261.272,66 Januari = (3 × 282.383) + (2 ×304.267) + (1×248.970) 6 = 284.108,83
Tabel 3.8 Peramalan Produksi Kain CDP 2024
Dengan Metode Weighted Moving Average 3-Bulanan Terbobot
Januari- Desember 2011
Bulan Produksi (meter) Forcest
Januari 374.227 -
Februari 384.560 -
Maret 334.381 -
April 299.917 357.748,3
Mei 259.072 325.512,1
Juni 435.672 285.238,5
Juli 217.300 354.179,5
Agustus 223.533 297.052,6
September 156.895 256.811,8
Oktober 248.970 189.175,1
November 304.267 214.038,8
Desember 282.383 261.272,6
Totals 3.521.177
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
60
Average 293.431,41
Next Period (januari 2012)
284.108,8
Sumber : Data yang telah diolah
Dari tabel 3.8 Berdasarkan perhitungan diatas dapat dianalisis bahwa
dengan metode Weighted Moving Average 4 bulanan dapat dimulai pada
bulan keempat yaitu bulan April 2011. Peramalan dimulai pada bulan
keempat karena tiga bulan sebelumnya digunakan sebagai dasar untuk
menentukan peramalan
Tabel 3.9 Pengukuran Kesalahan (error) Peramalan Pada Peramalan Produksi Kain CDP 2024
Dengan Metode Weighted Moving Average 3-bulanan Januari-Desember 2011
Sumber : Perhitungan dengan POM for Window
MAD =756.154,3 : 84.017,14 meter
9
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
61
MSE = 76.675.687.225 : 8.519.522.000 meter
9
Berdasarkan tabel 3.9 Berdasarkan perhitungan diatas dapat dianalisis
bahwa dengan metode Weighted Moving Average 3 bulanan terbobot,
terdapat kesalahan (error) peramalan MAD sebesar 84.017,14 meter dan
MSE sebesar 8.519.522.000 meter. Data ini digunakan sebagai dasar
pembanding dengan data kesalahan (error) peramalan metode lain, untuk
dicari metode peramalan yang paling tepat, yang memiliki tingkat MAD dan
MSE terkecil
2) Weighted Moving Average 4-bulanan terbobot
Pemberian bobot untuk metode Weighted Moving Average 4 bulan terbobot
adalah satu bulan yang lalu diberi bobot 4, dua bulan yang lalu diberi bobot
3, tiga bulan yang lalu diberi bobot 2, empat bulan yang lalu diberi bobot 1,
dengan jumlah pembobotan 10.
Mei = ( 4× 299.917) + ( 3×334.381) + ( 2×384.560) + ( 1×374.227)
10
= 334.596,9
Juni = ( 4× 259.072) + ( 3×299.917) + ( 2×334.381) + ( 1×384.560)
10
= 298.936,1
Juli = ( 4× 435.672) + ( 3×259.072) + ( 2×299.917) + ( 1×334.381)
10
= 345.411,9
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
62
Agustus = ( 4× 217.300) + ( 3×435.672) + ( 2×259.072) + ( 1×299.917)
10
= 299.427,7
September = ( 4× 223.553) + ( 3×217.300) + ( 2×435.672) + ( 1×259.072)
10
= 267.652,8
Oktober = ( 4× 156.895) + ( 3×223.553) + ( 2×217.300) + ( 1×435.672)
10
= 216.851,1
November = ( 4× 248.970) + ( 3×156.895) + ( 2×223.553) + ( 1×217.300)
10
= 213.097,1
Desember = ( 4× 304.267) + ( 3×248.970) + ( 2×223.553) + ( 1×217.300)
10
= 250.132,1
Januari = ( 4× 304.267) + ( 3×248.970) + ( 2×223.553) + ( 1×217.300)
10
= 269.716,8
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
63
Tabel 3.10 Peramalan Produksi Kain CDP 2024
Dengan Metode Weighted Moving Average 4-Bulanan Terbobot
Januari- Desember 2011 Bulan Produksi (meter) Forcest
Januari 374.227 -
Februari 384.560 -
Maret 334.381 -
April 299.917 -
Mei 259.072 334.596,9
Juni 435.672 298.936,1
Juli 217.300 345.411,9
Agustus 223.533 299.427,7
September 156.895 267.652,8
Oktober 248.970 216.851,1
November 304.267 213.097,1
Desember 282.383 250.132,1
Totals 3.521.177
Average 293.431,41
Next Period (januari
2012)
269.716,8
Sumber : data yang telah diolah
Dari tabel 3.10 Berdasarkan perhitungan diatas dapat dianalisis bahwa
dengan metode Weighted Moving Average 4 bulanan dapat dimulai pada
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
64
bulan kelima yaitu bulan Mei 2011. Peramalan dimulai pada bulan kelima
karena empat bulan sebelumnya digunakan sebagai dasar untuk menentukan
peramalan
Tabel 3.11 Pengukuran Kesalahan (error) Peramalan Produksi Kain CDP 2024
Dengan Metode Weighted Moving Average 4-bulanan terbobot
Januari-Desember 2011
MAD =682.587,8 : 85.323,47 meter
8
MSE = 69.226.680.000 : 8.653.336.000 meter
8
Berdasarkan tabel 3.11 Berdasarkan perhitungan diatas dapat
dianalisis bahwa dengan metode Weighted Moving Average 4 bulanan
terbobot, terdapat kesalahan (error) peramalan MAD sebesar 85.323,47
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
65
meter dan MSE sebesar 8.653.336.000 meter. Data ini digunakan sebagai
dasar pembanding dengan data kesalahan (error) peramalan metode lain,
untuk dicari metode peramalan yang paling tepat, yang memiliki tingkat
MAD dan MSE terkecil
c. Metode Exponential Smoothing
Persamaan yang digunakan adalah :
Ft = Ft-1 + a (At-1 – Ft-1)
Dimana :
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
a = konstanta penghalusan (pembobot) antara
0-1, dimana penulis menggunakan (α =
0,1a = 0,5 dan a = 0,9)
At-1 = permintaan aktual periode sebelumnya
Apabila data produksi kain CDP 2024 diterapkan pada persamaan
Exponential Smoothing (a = 0,1 a = 0,5 dan a = 0,9), maka hasilnya adalah :
1). Exponential Smoothing
Maret = 374.227 + 0,1 ( 384.560 – 374.227 )
= 375.260,3 meter
April = 375.260,3 + 0,1 ( 334.381 –375.260,3)
= 371.172,4 meter
Mei = 371.172,4 + 0,1 ( 299.917 - 371.172,4)
= 364.046,8 meter
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
66
Juni = 364.046,8 + 0,1 (259.072 – 364.046,8)
= 353.549,3 meter
Juli = 353.549,3 + 0.1 ( 435.672 – 353.549,3)
= 361.761,6 meter
Agustus = 361.761,6 + 0,1 ( 217.300 – 361.761,6)
= 347.315,5 meter
September = 347.315,5 + 0,1 ( 223.533- 347.315,5)
= 334.937,2 meter
Oktober = 334.937,2 + 0,1 ( 156.895 – 334.937,2)
= 317.133 meter
November = 317.133 + 0,1 ( 248.970 – 317.133)
= 310.316,7 meter
Desember = 310.316,7 + 0,1 ( 304.267 – 310.316,7)
= 309.711,7 meter
Januari 2012 = 309.711,7 + 0,1 ( 282.383 – 309.711,7)
= 306.978,8 meter
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
67
Tabel 3.12 Peramalan Produksi Kain RYP 2026
Dengan Metode Exponential Smoothing ( α = 0,1 ) Januari- Desember 2011
Bulan Produksi (meter) Forcest
Januari 374.227 -
Februari 384.560 374.227
Maret 334.381 375.260,3
April 299.917 371.172,4
Mei 259.072 364046,8
Juni 435.672 353.549,3
Juli 217.300 361.761,6
Agustus 223.533 347.315,5
September 156.895 334.937,2
Oktober 248.970 317.133
November 304.267 310.316,7
Desember 282.383 309.711,7
Totals 3.521.177
Average 293.431,41
Next Period (januari
2012)
306.978,8
Sumber : Data yang telah diolah
Dari tabel 3.12 dapat dilihat bahwa pada bulan Januari 2011 belum
dapat melakukan peramalan, hal ini terjadi karena belum cukup data
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
68
peramalan pada periode sebelumnya. Maka hasil peramalan bulan Februari
2011 menggunakan data terdekat yaitu data produksi pada bulan Januari.
Tabel 3.13 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024
Dengan Metode Exponential Smoothing ( α = 0,1 ) Januari – Desember 2011
Sumber : Perhitungan dengan POM for Windows
MAD =857.392,9 : 77.944,8 meter
11
MSE = 97.939.010.000 : 8.903.546.000 meter
11
Berdasarkan tabel 3.13 Berdasarkan perhitungan diatas dapat
dianalisis bahwa dengan metode Exponential Smoothing α = 0,1 , terdapat
kesalahan (error) peramalan MAD sebesar 77.944,8 meter dan MSE
8.903.546.000 sebesar meter. Data ini digunakan sebagai dasar pembanding
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
69
dengan data kesalahan (error) peramalan metode lain, untuk dicari metode
peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil
2). Exponential Smoothing
Maret = 374.227 + 0,5 ( 384.560 – 374.227 )
= 379.393,5 meter
April = 379.393,5 + 0,5 ( 334.381 – 379.393,5)
= 356.887,25 meter
Mei = 356.887,25 + 0,5 ( 299.917 - 356.887,2)
= 328.402,12 meter
Juni = 328.402,12 + 0,5 (259.072 – 328.402,12)
= 293.737,06 meter
Juli = 293.737,06 + 0.5 ( 435.672 – 293.737,06)
= 364.704,53 meter
Agustus = 364.704,53 + 0,5 ( 217.300 – 364.704,53)
= 291.002,26 meter
September = 291.002,26 + 0,5 ( 223.533- 291.002,26)
= 257.267,63 meter
Oktober = 257.267,63 + 0,5 ( 156.895 – 257.267,63)
= 207.081,31 meter
November = 207.081,31 + 0,5 ( 248.970 – 207.081,31)
= 257.267,63 meter
Desember = 257.267,63 + 0,5 ( 304.267 – 228.025,65)
= 266.146,32 meter
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
70
Januari 2012 = 266.146,32 + 0,5 ( 282.383 – 266.146,32)
= 274.264,66 meter
Tabel 3.14 Peramalan Produksi Kain RYP 2026
Dengan Metode Exponential Smoothing ( α = 0,5 ) Januari- Desember 2011
Bulan Produksi (meter) Forcest
Januari 374.227 -
Februari 384.560 374.227
Maret 334.381 379.393,5
April 299.917 356.887,25
Mei 259.072 328.402,12
Juni 435.672 293.737,06
Juli 217.300 364.704,53
Agustus 223.533 291.002,26
September 156.895 257.267,63
Oktober 248.970 207.081,31
November 304.267 257.267,63
Desember 282.383 266.146,32
Totals 3.521.177
Average 293.431,41
Next Period (januari
2012)
274.264,66
Sumber : Data yang telah diolah
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
71
Dari tabel 3.14 dapat dilihat bahwa pada bulan Januari 2011 belum
dapat melakukan peramalan, hal ini terjadi karena belum cukup data
peramalan pada periode sebelumnya. Maka hasil peramalan bulan Februari
2011 menggunakan data terdekat yaitu data produksi pada bulan januari
2011.
Tabel 3.15
Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024 Dengan Metode Exponential Smoothing ( α = 0,5 )
Januari – Desember 2011
Sumber : Perhitungan dengan POM for Windows
MAD =773.193,9 : 70.290,36 meter
11
MSE = 74.516.590.000 : 6.774.236.000 meter
11
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
72
Berdasarkan tabel 3.15 Berdasarkan perhitungan diatas dapat
dianalisis bahwa dengan metode Exponential Smoothing α = 0,5 , terdapat
kesalahan (error) peramalan MAD sebesar 70.290,36 meter dan MSE
6.774.236.000 sebesar meter. Data ini digunakan sebagai dasar pembanding
dengan data kesalahan (error) peramalan metode lain, untuk dicari metode
peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil
3). Exponential Smoothing
Maret = 374.227 + 0,9 ( 384.560 – 374.227)
= 383.526,7 meter
April = 383.526,7 + 0,9 ( 334.381 – 383.526,7)
= 339.295,57 meter
Mei = 339.295,57 + 0,9 ( 299.917 – 339.295,57)
= 303.854,85 meter
Juni = 303.854,85 + 0,9 ( 259.072 – 303.854,85)
= 263.550,85 meter
Juli = 263.550,85 + 0,9 ( 435.672 – 263.550,85)
= 418.459,88 meter
Agustus = 418.459,88 + 0,9 ( 217.300 – 418.459,88)
= 237.415,98 meter
September = 237.415,98 + 0,9 ( 223.533 – 237.415,98)
= 224.921,29 meter
Oktober = 224.921,29 + 0,9 ( 156.895 – 224.921,29)
= 163.697,62 meter
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
73
November = 163.697,62 + 0,9 ( 248.970 – 163.697,62)
= 240.442,76 meter
Desember = 240.442,76 + 0,9 ( 304.267 – 240.442,76)
= 297.884,57 meter
Januari 2012 = 297.884,57 + 0,9 ( 282.383 – 297.884,57)
= 283.933,2 meter
Tabel 3.16
Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024
Dengan Metode Exponential Smoothing ( α = 0,9 )
Januari – Desember 2011
MAD = 763.429,1 : 69.402,65 meter
11
MSE = 92.574.910.000 : 8.415.901.000 meter
11
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
74
Berdasarkan tabel 3.16 Berdasarkan perhitungan diatas dapat
dianalisis bahwa dengan metode Exponential Smoothing α = 0,9 , terdapat
kesalahan (error) peramalan MAD sebesar 69.402,65 meter dan MSE
sebesar 8.415.901.000 meter. Data ini digunakan sebagai dasar pembanding
dengan data kesalahan (error) peramalan metode lain, untuk dicari metode
peramalan yang paling tepat, yang memiliki tingkat MAD dan MSE terkecil
d. Metode Proyeksi Tren ( Trend Projection)
Rumus :
Ù
y = a + b x
Keterangan :
Ù
y : nilai variabel tidak bebas
a : perpotongan sumbu y
b : kelandaian garis regresi
x : variabel bebas
Untuk mengetahui nilai x dan diperoleh dengan :
= 78 = 3.521.177
12 12
= 6,5 = 293.431,4
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
75
Nilai b diperoleh dengan :
b =
=
= -11.786,35
Sedangkan nilai a diperoleh dengan :
a =
= 293.431,4 + (11.786,36 ) (6,5)
= 370.042,75
Adapun hasil peramalan bulan januari 2011 dan tingkat kesalahannya,
adalah sebagai berikut:
Ù
y = a + b x
Januari = 370.042,7 + (-11.786,35) (1)
= 358.256,35 meter
Februari = 370.042,7 + (-11.786,35) (2)
= 346470,0 meter
Maret = 370.042,7 + (-11.786,35) (3)
= 334683,6 meter
April = 370.042,7 + (-11.786,35) (4)
= 322897,3 meter
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
76
Mei = 370.042,7 + (-11.786,35) (5)
= 311110,9 meter
Juni = 370.042,7 + (-11.786,35) (6)
= 299324,6 meter
Juli = 370.042,7 + (-11.786,35) (7)
= 287538,2 meter
Agustus = 370.042,7 + (-11.786,35) (8)
= 275751,9 meter
September = 370.042,7 + (-11.786,35) (9)
= 263965,5 meter
Oktober = 370.042,7 + (-11.786,35) (10)
= 252179,2 meter
November = 370.042,7 + (-11.786,35) (11)
= 240392,8 meter
Desember = 370.042,7 + (-11.786,35) (12)
= 228606,5 meter
Januari 2012 = 370.042,7 + (-11.786,35) (13)
= 216820,1 meter
Perhitungan tingkat kesalahan :
MAD = MSE =
= =
= 51343,12 = 4.136.601.000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
77
Tabel 3.17 Pengukuran Kesalahan (error) Pada Peramalan Produksi kain CDP 2024
Dengan Metode Trend Projection Januari – Desember 2011
Berdasarkan tabel 3.17 Berdasarkan perhitungan diatas dapat
dianalisis bahwa dengan metode Trend Projection terdapat kesalahan (error)
peramalan MAD sebesar 51.343,12 meter dan MSE sebesar 4.136.601.000
meter. Data ini digunakan sebagai dasar pembanding dengan data kesalahan
(error) peramalan metode lain, untuk dicari metode peramalan yang paling
tepat, yang memiliki tingkat MAD dan MSE terkecil
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
78
2. Perbandingan Hasil Peramalan
Tabel 3.18
Perbandingan Hasil Peramalan Produksi Kain CDP 2024 PT. Kusumahadi
Santosa
Keterangan MAD MSE Ramalan bulan januari
2012
Single Moving
Average
3 bulanan 89.197,53 8.996.555.000 278.540
4 bulanan 84.718,13 8.521.723.000 248.128,8
Weighted Moving
Average
3-bulanan
terbobot
84.017,14 8.519.522.000 284.108,8
4-bulanan
terbobot
85.323,47 8.653.336.000 269.716,8
Exponential
Smoothing
0,1 77.944,8 8.903.546.000 306.978,8
0,5 70.290,36 6.774.236.000 274.264,7
0,9 69.402,65 8.415.901.000 283.933,2
Trend Projection 51.343,12 4.136.601.000 216.820,1
Sumber : data yang telah diolah
Berdasarkan tabel 3.18 dapat dilihat bahwa metode Trend
Projection merupakan metode yang paling tepat untuk meramalkan
produksi kain CDP 2024 untuk bulan Januari 2011-januari 2012 karena
memiliki tingkat kesalahan (error) peramalan terkecil dibandingkan
dengan metode yang lain dengan MAD 51.343,12 meter dan MSE
4.136.601.000 sebesar meter.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
79
BAB IV
PENUTUP
A. Kesimpulan
Dengan selesainya analisis data dan penyusunan tugas akhir dengan
judul“PERAMALAN PROSES PRODUKSI KAIN CDP 2024 PADA
DEPARTEMEN WEAVING 2 PT. KUSUMAHADI SANTOSA”. Dapat
diambil kesimpulan sebagai berikut :
a. Berdasarkan perhitungan ramalan produksi dengan Metode Single Moving
Average 3 bulanan diperoleh peramalan untuk periode bulan Januari 2012
sebesar 278.540 meter dengan MAD 89.197,53 meter dan MSE
8.996.555.000 meter.
b. Berdasarkan perhitungan ramalan produksi dengan Metode Single Moving
Average 4 bulanan diperoleh peramalan untuk periode bulan januari 2012
sebesar 248.128,8 meter dengan MAD 84.718,13 meter dan MSE
8.521.723.000 meter.
c. Berdasarkan perhitungan ramalan produksi dengan Metode Weighted
Moving Average 3 bulanan diperoleh peramalan untuk periode bulan
Januari 2012 sebesar 284.108,8 meter dengan MAD 84.017,14 meter dan
MSE 8.519.520.802 meter .
d. Berdasarkan perhitungan ramalan produksi dengan Metode Weighted
Moving Average 4 bulanan diperoleh peramalan untuk periode bulan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
80
Januari 2012 sebesar 269.716,8 meter dengan MAD 85.323,47 meter dan
MSE 8.653.336.000 meter .
e. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential
Smoothing dengan a = 0,1 diperoleh peramalan untuk periode bulan
Januari 2012 sebesar 306.978,8 meter dengan MAD 77.944,8 meter dan
MSE 8.903.546.000 meter .
f. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential
Smoothing dengan a = 0,5 diperoleh peramalan untuk periode bulan
januari 2012 sebesar 274.264,7 meter dengan MAD 70.290,36 meter dan
MSE 6.774.236.000 meter .
g. Berdasarkan perhitungan ramalan produksi dengan Metode Exsponential
Smoothing dengan a = 0,9 diperoleh peramalan untuk periode bulan
Januari 2012 sebesar 283.933,2 meter dengan MAD 69.402,65 meter dan
MSE 8.415.901.000 meter
h. Berdasarkan perhitungan ramalan produksi dengan Metode Trend
Projection diperoleh peramalan untuk periode bulan Januari 2012 sebesar
216.820,1 meter dengan MAD 51.343,12 meter dan MSE 4.136.601.000
meter
Dari hasil peramalan dan tingkat kesalahannya diketahui bahwa
metode yang paling sesuai digunakan dalam menganalisis data dengan
memiliki tingkat kesalahan yang paling kecil dari metode alternatif di atas
yaitu Metode Trend Projection. Karena memiliki tingkat kesalahan (error)
MAD sebesar 51.343,12 meter dan MSE 4.136.601.000 meter.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
81
B. Saran
Berdasarkan hasil analisis data dan kesimpulan maka dapat
dikemukakan saran- saran sebagai bahan pertimbangan PT KUSUMAHADI
SANTOSA. Adapun saran-saran yang penulis kemukakan adalah sebagai
berikut :
1. Perusahaan sebaiknya menerapkan metode Trend Projection dalam
meramalkan produksi kain CDP 2024 untuk periode mendatang, karena dari
pengujian di atas metode ini memiliki MAD dan MSE yang paling kecil,
sehingga hasil ramalan yang di dapatkan lebih mendekati aktual.
2. Penerapan metode peramalan sangat membantu perusahaan untuk
menyelesaikan setiap pekerjaan dan mempermudah perusahaan dalam
penghitungan.
3. Untuk meningkatkan efisiensi produksi, perusahaan perlu melakukan
ramalan permintaan produksi dengan menggunakan data yang akurat dan
relevan serta metode ramalan yang sesuai dengan fluktuasi data, sehingga
dapat meminimalisir kesalahan ramalan dan dapat membantu dalam
pengambilan keputusan baik di bidang perencanaan kebutuhan bahan baku,
proses produksi, biaya produksi, maupun jam kerja yang dibutuhkan.