Mata Kuliah : Proses perencanaan Produksi

Program Studi : Teknik Mesin

Kode Mata Kuliah : KBTM07
Semester :5
SKS :2
Tahun Akademik : 2015-2016

UNIVERSITAS MUHAMMADIYAH TENGERANG

FAKULTAS TEKNIK
PERENCANAAN PRODUKSI -
KBTM03
 Introduction to PPC / PPIC
 Manufacturing System
 Demand forecasting /Peramalan
 Sales & Operations Planning
 Master Production Scheduling
 Material Requirement Planning –MRP
 Inventory Management
 Just In Time
 Line Balancing
 Scheduling
Reference :
• Smith, Spencer B. Computer Based Production and Inventory Control, Prentice-Hall, 1989.
• Vollman, et al. Manufacturing Planning & Control System, McGraw-Hill, 1997.
• Vollman, et al. Manufacturing Planning & Control for Supply Chain Management, McGraw-
Hill, 2005.
• Tersine, Richard J. Principle of Inventory and Materials Management, 4th Edition, Prentice
Hall, 1993
Time is Quiz ?? (1)
 Jelaskan apa yang dimaksud dengan Proses
Perencanaanaan dan Pengendalian Produksi ?

 Sebutkan kegiatan-kegiatan apa saja yang

dilakukan dalam proses perencanaan
dan pengendalian produksi ?

 Jelaskan dan Gambarkan Tahapan dari proses

Perencanaan dan Pengendalian Produksi ?
 Perencanaan dan Pengendalian Produksi

Perencanaan produksi :
suatu kegiatan yang berkenaan dengan penentuan apa yang harus
diproduksi, berapa banyak, kapan diproduksi

Pengendalian produksi :
fungsi yang mengarahkan atau mengatur pergerakan material (ba
han, part komponen, subassembly dan produk)melalui seluruh
siklus manufacturing mulai permintaan bahan baku
sampai pengiriman produk akhir pada pelanggan.
SISTEM MANUFACTURE
Pengertian Sistem Manufaktur (1)
 Manufaktur: kumpulan
operasi dan aktivitas yang
saling berhubungan untuk
membuat suatu produk,
meliputi; perancangan
produk, pemilihan material,
perencanaan proses,
perencanaan produksi,
produksi, inspeksi,
manajemen, dan pemasaran.

• Produksi: serangkaian proses yang dilakukan untuk membuat

produk.
• Proses produksi manufaktur: aktivitas sistem manufaktur
terkecil yang dilakukan untuk membuat produk, yaitu proses
permesinan maupun proses pembentukan lainnya.
Pengertian Sistem Manufaktur (2)

 Rekayasa manufaktur: kegiatan

perancangan, operasi, dan
pengendalian proses manufaktur.

• Sistem manufaktur: suatu organisasi yang melaksanakan

berbagai kegiatan manufaktur yang saling berhubungan,
dengan tujuan menjembatani fungsi produksi dengan fungsi-
fungsi lain di luar fungsi produksi, agar dicapai performansi
produktivitas total sistem yang optimal, seperti; waktu
produksi, ongkos, dan utilitas mesin.
Operation Decision Making
Klasifikasi Sistem Manufaktur (1)
1. Tipe produksi
 Make to Stock (MTS)
 Assemble to Order (ATO)
 Make to Order (MTO)
 Engineering to Order (ETO)
Klasifikasi Sistem Manufaktur
Berdasarkan Tipe Produksi
Manufacturing Strategy and
Lead Time
 Pull / push strategy
"Push type" means "make-to-stock," in which the production is not based
on actual demand. "Pull type" means "make-to-order," in which the
production is based on actual demand

Push is MRP, Pull is kanban

PULL OR PUSH SYSTEM
Karakteristik Berbagai Sistem
Manufaktur
Karakteristik MTS ATO MTO ETO

Produk Standard Keluarga produk Tidak punya Customized total

tertentu keluarga
produk, customized
Kebutuhan produk Dapat diramalkan Tidak dapat
diramalkan

Kapasitas Dapat direncanakan Tidak dapat

direncanakan

Waktu produksi Tidak penting bagi Penting Penting Sangat penting

pelanggan
Kunci persaingan Logistik Perakitan akhir Fabrikasi, Seluruh proses
perakitan
akhir
Kompleksitas Operasi Distribusi Perakitan Manufaktur Engineering
komponen
Ketidakjelasan Operasi Terendah Tertinggi

Fokus manajemen Marketing/distribusi Inovasi Kapasitas Kontrak order

puncak pelanggan
Fokus manajemen Kontrol stock MPS dan order Shop floor control, Manajemen proyek
menengah pelanggan pelanggan
Perbedaan antara Sistem Produksi MTO
Repetitif
& Non-Repetitif Perbedaan antara Sistem Manufaktur MTO
Repetitif
Flow Shop dan Make to Stock Flow Shop
MTO MTO Non-
Repetitif Repetitif
MTO Repetitif Flow
MTS Flow Shop
Karakteristik Pesanan Pesanan tidak Shop
pesanan berulang berulang atau
dalam waktu berulang dalam Respons Memperkecil waktu Mencari jumlah
singkat jangka panjang terhadap penyelesaian inventori yang
fluktuasi sesuai
Tindakan untuk Dilakukan Dilakukan demand
mengulang dengan dengan
setup meningkatkan meningkatkan
efisiensi setup efisiensi setup Persediaan Tidak ada (siklus ada
Adan produk jadi pemesanan besar)
mengatur
order Saat mulai Jika ada pesanan Sesuai hasil
yang akan proses peramalan
diproses produksi

Jumlah yang Tergantung jumlah Sesuai hasil

diproduksi pesanan perencanaan
produksi

Perencenaan Perencanaan kapasitas Perencanaan

produksi jumlah yang
diproduksi
Klasifikasi Sistem Manufaktur (2)
2. Volume produksi
 Produksi massa
 Produksi batch
 Produksi job shop
Produksi massa

 Laju serta tingkat produksi pada

produksi massa umumnya tinggi,

 Permintaan terhadap produk yang

dihasilkan tinggi,

 Peralatan umumnya mempunyai

fungsi khusus,

 Keahlian tenaga kerja tidak terlalu

tinggi sebagai akibat dari fungsi
peralatan yang khusus.
Produksi batch
 Ukuran lot produksi adalah
medium,

 Tujuan: untuk memenuhi

kebutuhan konsumen terhadap
produk-produk yang diperlukan
secara kontinu,

 Peralatan umumnya mempunyai

fungsi umum tetapi dirancang
untuk tingkat produksi yang
tinggi.
Produksi job shop
 Tingkat produksi rendah,
 Peralatan mempunyai
fungsi umum,
 Keahlian yang diperlukan
tenaga kerja cukup tinggi,
 Biasanya membuat
berdasarkan pesanan.
Klasifikasi Sistem Manufaktur (3)

3. Aliran produksi
 Fixed Site (Project)
Pada tipe project, material, tools, dan personel dialokasikan pada
produk yang dibuat. Secara ekstrim dikatakan bahwa tidak ada aliran
produk pada tipe ini, tetapi masih terdapat urutan operasi. Bentuk
operasi pada project digunakan ketika terdapat kebutuhan
khusus/spesial yang memerlukan kreativitas dan keunikan. Hal ini
sulit diotomasikan pada proses manufaktur, karena hanya dilakukan
satu kali. Project memerlukan biaya tinggi dengan perencanaan dan
pengendalian yang sulit, sebab berat pada tahap definisi initial
dengan tingkat perubahan-perubahan dan inovasi yang tinggi.
Job Shop (Jumbled Flow) & Flow Shop

Proses Job Shop (Oden, HW, 1993)

Proses Flow Shop (Oden, HW, 1993)

 Flow Shop
 Small-Batch Line Flow, mempunyai semua karakter flow shop,
tetapi tidak semua memproses produk yang sama secara terus
menerus. Memproses beberapa produk dengan ukuran batch
kecil, dengan kebutuhan setup per batch. Digunakan ketika
biaya proses bisa dipertimbangkan, permintaan part rendah,
dan non-diskrit. Contohnya adalah farmasi.

 Large-Batch (Repetitive) Line Flow, memproduksi produk

diskrit dalam volume besar tetapi tidak kontinu.

 Continuous Line Flow merefer pada proses kontinu dari fluida,

bedak, logam, dan lain-lain. Biasa digunakan pada industri
gula, minyak, dan logam lainnya.
Karakteristik Proses

Small-Batch Large-Batch
Job Shop Batch Flow Continuous
Line Flow (Repetitive)

Kualitas Kualitas Kualitas Biaya Biaya

Kelebihan tinggi tinggi tinggi bersaing rendah

Fleksibilitas Fleksibilitas Fleksibilitas Fleksibilitas Standard

Variasi tinggi sedang sedang rendah

Biaya tinggi Biaya tinggi Biaya Otomasi Otomasi

Implikasi sedang

Berfungsi Berfungsi Berfungsi Berfungsi Berfungsi

Permesinan umum umum umum khusus khusus

Make to Assemble to Assemble to Make to Make to

Strategi Order Order Order Stock Stock
Klasifikasi Sistem Manufaktur (4)

4. Tata letak (lay out)

 Fixed position layout
 Process layout
 Product flow layout
 Cellular Layout
 Types of Plant Layout

a) Fixed-position layout. (b) Process layout. (c) Cellular layout. (d) Product layout.
Types of Facilities and Layouts
PERAMALAN
PERENCANAAN DAN PENGENDALIAN
PRODUKSI
Tingkatan Perencanaan
dan Pengendalian Produksi (2)
Tahapan perencanaan
dan pengendalian produksi
Metode Peramalan
(Forecasting Method)
Kompetensi Pokok bahasan

Setelah mengikuti pokok bahasan ini, mahasiswa

diharapkan mampu:

 Melakukan perencanaan produksi, dalam upaya

memenuhi kebutuhan konsumen.

 Memprediksi kebutuhan yang diperlukan dalam proses

produksi.

 Mengerti tahapan dalam peramalan.

 Menentukan metode peramalan yang tepat.

 Definisi Peramalan
 Peramalan adalah seni dan ilmu untuk memprediksi
masa depan.
 Peramalan adalah tahap awal, dan hasil ramalan
merupakan basis bagi seluruh tahapan pada
perencanaan produksi.
 Proses peramalan dilakukan pada level agregat (part
family); bila data yang dimiliki adalah data item, maka
perlu dilakukan agregasi terlebih dahulu.
 Metode: Kualitatif dan kuantitatif.
 Terminologi: perioda, horison, lead time, fitting error,
forecast error, data dan hasil ramalan.
PERAMALAN DAN KEGUNAANNYA
Peramalan pada dasarnya merupakan proses
pengestimasian permintaan dimasa mendatang dikaitkan
dengan aspek kuantitas, kualitas, waktu terjadinya, dan
lokasi yang membutuhkan produk barang dan jasa yang
bersangkutan.
Dilihat dari waktunya peramalan dibedakan atas tiga
macam yaitu:
 1. Peramalan jangka panjang (Long-term Forecasting )
 2. Peramalan jangka menengah (Intermediate Forecasting)
 3. Peramalan jangka pendek (Short-term Forecasting )

Perbedaan menurut jangka waktu ini berpengaruh pada jenis

metode atau alat peramalan yang sesuai serta manfaat atau
kegunaan dapat dipenuhi
Langkah-langkah Peramalan
 Definisikan tujuan peramalan.
 Plot data (part family) masa lalu.
 Pilih metode-metode yang paling memenuhi tujuan
peramalan dan sesuai dengan plot data.
 Hitung parameter fungsi peramalan untuk masing-
masing metode.
 Hitung fitting error untuk semua metode yang dicoba.
 Pilih metode yang terbaik, yaitu metode yang
memberikan error paling kecil.
 Ramalkan permintaan untuk periode mendatang
 Lakukan verifikasi peramalan.
 Persyaratan Penggunaan
Metode Kualitatif:
Metode kualitatif adalah metode penaksiran permintaan berdasarkan

prakiraan secara subjektif atau opini pembuat ramalan.

Metode kualitatif terdiri dari beberapa jenis aplikasi yaitu:

 a. Metode akar rumput

Metode peramalan yang memanfaatkan data taksiran penjualan dari

para aparatur penjualan dan wiraniaga dari seluruh wilayah pemasaran

perusahaan dalam perhitungan dan penetapan ramalan permintaan dimasa

yang akan datang.

 Persyaratan Penggunaan
Metode Kualitatif:
b. Metode Riset Pasar

Pengamatan yang dilakukan dipasar untuk mengumpulkan

data prospek permintaan data dimasa yang akan datang, baik
dengan menggunakan metode survei wawancara maupun cara lain.

c. Kesepakatan Panel

Metode pembuatan ramalan yang dilakukan melalui diskusi

panel yang bebas untuk melakukan tukar pikiran di antara berbagai
partisipan misalnya para eksekutif perusahaan , wiraniagawan atau
pelanggan perusahaan.
 Persyaratan Penggunaan
Metode Kualitatif:
d. Analogi Historis

Cara penaksiran jumlah permintaan terhadap produk

tertentu, khususnya terhadap produk baru, dengan
mempertimbangkan pengalaman dan kondisi yang sama dari
produk lainnya di masa yang lalu.

e. Metode Delphi

Metode penaksiran jumlah permintaan dimasa yang akan

datang dengan memanfaatkan opini dari beberapa pakar
dengan latar belakang keahlian yang berbeda.
Pola data metode deret berkala (1)

1. Pola horisontal (H) terjadi bilamana data berfluktuasi

disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya
tdk meningkat atau menurun selama waktu tertentu termasuk
jenis ini. Pola khas dari data horizontal atau stasioner seperti ini
dapat dilihat dalam Gambar 1.1.
2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi
oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan,
atau hari-hari pada minggu tertentu). Penjualan dari produk
seperti minuman ringan, es krim, dan bahan bakar pemanas
ruang semuanya menunjukkan jenis pola ini. Untuk pola
musiman kuartalan dapat dilihat Gambar 1.2.
Pola data metode deret berkala (2)
3. Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh
fluktuasi ekonomi jangka panjang seperti yang
berhubungan dengan siklus bisnis. Contoh: Penjualan
produk seperti mobil, baja, dan peralatan utama lainnya.
Jenis pola ini dapat dilihat pada Gambar 1.3.
4. Pola trend (T) terjadi bilamana terdapat kenaikan atau
penurunan sekuler jangka panjang dalam data. Contoh:
Penjualan banyak perusahaan, GNP dan berbagai indikator
bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat
pada Gambar 1.4.
Karakteristik trend
Komponen Amplitudo Penyebab

Seasonal 12 bulan Liburan, musim, perioda

finansial

Cyclical 3-5 tahun Ekonomi nasional,

perubahan politik

Bisnis 1-5 tahun Pemasaran, kompetisi,

performance

Product life 1-5 tahun, Substitusi produk

cycle makin pendek
Metode Deret Waktu
1. Constant
2. Linier trend
3. Quadratic
4. Exponential
5. Moving Average
6. Exponential smoothing
7. Seasonal
Tugas Individu - 1:

Buatlah makalah yang membahas tentang

metode-metode Peramalan dalam
Perencanaan dan pengendalian produksi ?
 Kesimpulan
1. Peramalan merupakan tahapan awal dalam perencanaan
sistem operasi produksi.
2. Model yang paling tepat harus dipilih dalam melakukan
peramalan.
3. Model yang dipilih dapat dibandingkan dengan model yang
lain dengan menggunakan kriteria minimum average sum
of squared errors.
4. Distribusi forecast errors harus dimonitor, jika terjadi bias
maka model yang digunakan tidak tepat.
TERIMA KASIH
 1. Metode Constant
• Dalam Metode Constant, peramalan
dilakukan dengan mengambil rata-rata
data masa lalu (historis).
• Rumus untuk metoda linier:
n

d
Keterangan:
t d’t = Forecast untuk saat t
d 't  1 t = time (independent variable)
dt = demand pada saat t
n n = jumlah data
 2. Metode Linier trend
• Model ini menggunakan data yang secara
random berfluktuasi membentuk garis lurus.
• Rumus untuk metoda linier:

d 't  a  bt t  1, 2, 3, .....

  dt   t  tdt
2 Keterangan:
t
a d’t = Forecast untuk saat t
n t 2   t 
2
a = intercept
b = kemiringan garis
n tdt   t  d t t = time (independent variable)
b
n t 2   t 
2 dt = demand pada saat t
n = jumlah data
 3. Metode Quadratic (1)
 Model ini menggunakan data yang secara random
berfluktuasi membentuk
kurva quadratic.
 Rumus untuk model quadratic:

d ' (t )  a  bt  ct2
t  1, 2, 3, ....
  
b Keterangan : ……
   2
3. Metode Quadratic (2)
2 n n n
 2
   t  Y (t )  n tY (t )
n n
    t   n t 4
 t 1  t 1 t 1 t 1 t 1

n n n
  t 2
 Y (t )  n  Y (t )
t 2

t 1 t 1 t 1

n n n 2
 
   t  t  n t
n n
    t   n t 2
2 3

t 1 t 1 t 1  t 1  t 1

n n n

  (b)( )  Y (t ) t  t 2

c a t 1
b t 1
c t 1
 n n n
 4. Metode Exponential (1)
 Digunakan apabila persamaan a dan b tidak bisa
dipecahkan dengan cara konvensional.
 Digunakan transformasi logaritma ke dalam situasi
regresi.
 Persamaan metode eksponensial :

d' (t)  ae bt
Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
4. Metode Eksponensial (2)
 Persamaan transformasi logaritma :

ln d' (t)   ln(a)  ln(e bt )  ln(a)  bt

Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
5. Metode Moving Average (1)
 Digunakan bila data-datanya :
- tidak memiliki trend
- tidak dipengaruhi faktor musim
 Digunakan untuk peramalan dengan perioda waktu
spesifik.
 Moving Average didefinisikan sebagai :
n

d t
MA n  t 1
n
Keterangan :
n = jumlah perioda
dt = demand pada bulan ke t
 5. Metode Moving Average (2)
 Peramalan jangka pendek lebih baik
dibandingkan jangka panjang.
 Kelemahan : tidak cocok untuk pola data
trend atau pola data musiman.
6. Metode Exponential Smoothing (1)

 Kesalahan peramalan masa lalu digunakan

untuk koreksi peramalan berikutnya.
 Dihitung berdasarkan hasil peramalan +
kesalahan peramalan sebelumnya.
6. Metode Exponential Smoothing (2)

ES didefinisikan sebagai:
Ft 1  Dt  (1   ) Ft
Keterangan:
Ft+1 = Ramalan untuk periode berikutnya
Dt = Demand aktual pada periode t
Ft = Peramalan yg ditentukan sebelumnya untuk periode t
 = Faktor bobot

  besar, smoothing yg dilakukan kecil

  kecil, smoothing yg dilakukan semakin besar
  optimum akan meminimumkan MSE, MAPE
7. Metode Seasonal
 Demand meningkat karena pengaruh
tertentu atau berdasarkan waktu.
 Nilai/harga faktor seasonal antar 0 dan 1.
 Formulasi peramalan pada tahun ke i :
d’i = a + bt
Keterangan :
d’i = peramalan untuk saat ke i
t = perioda waktu (bulan, minggu, dll)
 Formulasi Peramalan Seasonal :
SF(i) = (Si).(d’t)
 Forecasting Errors & Tracking Signals
3 metode perhitungan kesalahan peramalan :
N

 t t
d  d '

a. Mean Absolute Deviation ( MAD)  t 1

N

 d 
N
2
t  d t
'

b. Mean Squared Error (MSE )  t 1

N

100 N  d t  d 't 
c. Mean Absolute Percent Error (MAPE )  
N t 1  d t


Verifikasi (1)
 Salah satu metode verifikasi adalah Moving Range
Chart (MRC).
 Moving Range (MR) didefinisikan sebagai :
MR = |d’t – dt| – |d’t-1– dt-1|
Keterangan :
d’t = ramalan pada bulan ke t
dt = kebutuhan pada bulan ke t
d’t–1 = ramalan pada bulan ke t-1
dt–1 = kebutuhan pada bulan ke t-1
 Verifikasi (2)
 Rata-rata MR dihitung :
n1
 MRi
MR  i 1
n 1

 Batas kontrol atas (UCL), batas kontrol

bawah (LCL), dan garis tengah (CL)

UCL   2,66MR
LCL   2,66MR
CL  0
 Verifikasi (4)
 Pengujian out of kontrol :
 Dari 3 titik yang berurutan, 2 titik atau lebih
berada di daerah A.
 Dari 5 titik yang berurutan, 2 titik atau lebih
berada di daerah B.
 Dari 8 titik yang berurutan, seluruhnya berada di
atas atau di bawah center line.
 Satu titik berada di luar batas kontrol.
Verifikasi (5)
 Contoh Soal: Kasus Peramalan Konstan

MR 
117
11
 10.6 MR = |d’t – dt| – |d’t-1– dt-1|
UCL  28.2
LCL  - 28.2
 Verifikasi (6)
30
UCL = +28.2

20

10
d' - d

0 CL

-10

-20

LCL = -28.2
-30
J F M A M J J A S O N D
Bulan

Gambar 2. Peta Kendali Peramalan Konstan

 Verifikasi (7)
 Bila kondisi out of control terjadi.
 Perbaiki ramalan dengan memasukkan data
baru.
 Tunggu evidence (fakta-fakta) selanjutnya.
Contoh Metode Constant
Bulan t dt
Jan 1 90 n

Feb 2 111 d t
Mar 3 99 d 't  1

Apr 4 89 n
Mei 5 87
Jun 6 84
Jul 7 104
Aus 8 102
Sep 9 95 12
Okt
Nov
10
11
114
103
1191
d 't  1
 99.25
Des 12 113 12
S1191
 Contoh Metode Linear trend
t dt tdt t2 d’t (dt-d’t)2 n n n

1 2050 2050 1 2108,5 3.422,2

n  td t   d t  t
2 2235 4470 4 2210,1 620,0 b t 1 t 1 t 1
2
 n n

3 2420 7260 9 2311,7 11.728.9
n t   t 
2
4 2360 9440 16 2413,3 2.840,9
t 1  t 1 
5 2490 12450 25 2514,9 620,0
n n

d  b t
6 2620 15720 36 2616,5 12,3
21 14175 51390 91 19.244,3 t

d’t = a + bt a t 1 t 1

= 2006,9 + 101,6t
n
a  2006,9 dan b 101,6
Contoh Metode Quadratic
t t2 t3 t4 dt tdt t2dt   (15)(55)  (5)( 225)  300
1 1 1 1 16 16 16
  (15) 2  (5)(55)  50
2 4 8 16 24 48 96

3 9 27 81 34 102 306   (55) 2  (5)(979)  1870

4 16 64 256 46 184 736
  (15)(180)  (5)(650)  550
5 25 125 625 60 300 1500
  (55)(180)  (5)( 2654)  3370
S 15 55 225 979 180 650 2654
(1870)
(1870)( 550)  (3370)( 300) cˆ  1
bˆ  5  1870
(1870)( 50)  (300) 2

180 (5)(15) 55
aˆ     10
5 5 5

d ' (t )  10  5t  t 2  d ' (5)  10  5(5)  52  60

Contoh Metode Eksponensial
t dt Ln(dt) tLn(dt) t2
ˆb  (5)(33.8)  (9.60)(15)  0.5
(5)(55)  225
1 2.50 0.92 0.92 1
9.60 (0.5)(15)
2 4.12 1.42 2.84 4 ln( aˆ )    0.42
5 5
3 6.80 1.92 5.76 9

4 11.20 2.42 9.68 16

anti ln( 0.42)  e0.42  2.50  aˆ
5 18.47 2.92 14.60 25

15 9.60 33.8 55

ˆ
d ' (t )  aˆ (e)bt  2.5e0.5t  d ' (6)  2.5e3  50
Contoh Metode Moving Average
Bulan t dt MA 3 bulan MA 5 bulan
Jan 1 10 - -
Feb 2 12 - -
Mar 3 13 - -
Apr 4 16 (10+12+13)/3=11,66 -
Mei 5 19 (12+13+16)/3=13,66 -
Jun 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14
Jul 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6

d t
MA n  t 1
n
 Contoh Metode Exponential
Smoothing
Period Demand Forecast , Ft+1

1 37
=0.3
-
=0.5
-
Ft 1  Dt  (1   ) Ft
2 40 37 37
3 41 37.9 38.5
4 37 38.83 39.75
5 45 38.28 38.37
6 50 40.29 41.68
7 43 43.20 45.84
8 47 43.14 44.42
9 56 44.30 45.71
10 52 47.81 50.85
11 55 49.06 51.42
12 54 50.84 53.21
51.79 53.61
Contoh Metode Seasonal (1)
Demand (x 1000)
Year
Kwartal-1 Kwartal-2 Kwartal-3 Kwartal-4 Total
1992 12.6 8.6 6.3 17.5 45
1993 14.1 10.3 7.5 18.2 50.1
1994 15.3 10.6 8.1 19.6 53.6
42 29.5 21.9 55.3 148.7

Perhitungan faktor bobot:

S1= D1/SD = 42/148.7 = 0.28
S2 = 0.20
S3 = 0.15 n n n n n
S4 = 0.37 n  td  d  t
t t d t  b t
b t 1 t 1 t 1
2 a t 1 t 1
n
 n 
n t   t 
2 n
t 1  t 1 
 Contoh Metode Seasonal (2)

a = 40.97 b = 4.3
y = 40.97 + 4.3 t
Untuk tahun 1995 (t =4) diperoleh 58.17
Peramalan utk tiap kwartal:
SF1 = S1.F5 = .28 (58.7) = 16.28
SF2 = 11.63
SF3 = 8.73
SF4 = 21.53