PERAMALAN PERENCANAAN PRODUKSI SEMEN DENGAN METODE EXPONENTIAL SMOOTHING PADA PT. SEMEN INDONESIA

Transkripsi

1 PERAMALAN PERENCANAAN PRODUKSI SEMEN DENGAN METODE EXPONENTIAL SMOOTHING PADA PT. SEMEN INDONESIA Agil Saputro, Bambag Purwaggoo *) Program Studi Tekik Idustri, Fakultas Tekik, Uiversitas Dipoegoro, Jl. Prof. Soedarto, SH, Kampus Udip Tembalag, Semarag, Idoesia Abstrak Semaki meigkatya target produksi seme oleh PT Seme Idoesia maka perecaaa produksi harus dilakuka dega baik. Selama ii seksi perecaaa baha da produksi belum megguaka tools atau metode yag pasti dalam meetapka perecaaa produksi, sehigga memugkika terjadi perbedaa yag sig * ifika atara recaa produksi dalam Recaa Kerja da Aggara Perusahaa (RKAP) dega release aktual. Terjadiya perbedaa yag sigifika ii dapat meyebabka dampak yag dapat meimbulka kerugia bagi perusahaa seperti cotohya terjadi overstock maupu stock out. Peelitia ii bertujua utuk mecari metode peramala yag tepat sebagai dasar atau acua dalam perecaaa produksi da medapatka hasil peramala yag dapat diguaka dalam perecaaa produksi. Dalam melakuka peramala, terdapat beberapa tahap yag harus dilakuka utuk medapatka hasil peramala yag baik. Setelah peramala, dilakuka aalisis kesalaha utuk medapatka kesalaha yag palig kecil, Berdasarka dari data historis, peramala dilakuka dega megguaka metode expoetial smoothig. Dari hasil pegolaha yag dilakuka, didapatka hasil (ribua to) utuk produksi seme tahu 2016 di PT. Seme Idoesia (Persero) Tbk. Kata kuci: recaa produksi; metode peramala Abstract [Forecastig for Cemet Productio Plaig with Expoetial Smoothig Method i PT Seme Idoesia] By icreasig the productio target of cemet i PT Seme Idoesia, productio plaig should be doe properly. So this far, i materials plaig ad productio sectio of PT Seme Idoesia has ot used ay tools or methods i determiig the productio plaig. It may cause a sigificat differece betwee productio plaig ad actual release. The occurrece of this differece may cause effects that may result i losses for the compay, such as the case of averstock or stockout.this study aims to get a appropriate method as the basis or referece i productio plaig ad to forecast a result that could be used i productio plaig. I doig a forecast, there are several steps that should be doe to get better forecast results.based o the historical data, expoetial smoothig method is used for the forecastig. By the result, (thousad tos) of cemet should be produced i 2016 for PT. Seme Idoesia (Persero) Tbk. Keywords: productio plaig; forecastig method 1. Pedahulua Uit kerja Seksi Perecaaa Baha da Produksi bertugas megolah data-data produksi da baha baku utuk disusu mejadi lapora produksi haria da diguaka sebagai dasar dalam pembuata recaa produksi tahua dalam Recaa Kerja da Aggara Perusahaa (RKAP). Pada setiap akhir tahu, uit kerja ii aka mulai megolah data-data produksi utuk dijadika recaa produksi da target RKAP tahu berikutya. * Peulis Peaggug Jawab 1

2 Selama ii Seksi Perecaaa Baha da Produksi belum megguaka tools tertetu dalam peyusua recaa produksi setiap periodeya. Recaa produksi haya ditetapka berdasarka perkiraa atau pu megguaka excel dega mempertimbagka datadata historis yag sudah ada. Data-data historis yag sudah ada ii berkaita dega data kapasitas produksi tahua, data dowtime mesi, data utilitas mesi yag selajutya aka disepakati dalam rapat ruti atar departeme, khususya dega Departeme Produksi. Perecaaa produksi yag selama ii dilakuka oleh Seksi Perecaaa Baha da Produksi dirasa kurag valid, karea haya berdasarka perkiraa da prosesya yag cukup sederhaa. Sehigga recaa yag ditetapka memugkika terjadiya perbedaa yag sigifika atara RKAP dega release aktual atau permitaa yag ada. Hal ii dapat meyebabka terjadiya dampak yag berpegaruh pada perusahaa seperti halya overstock maupu stock out Seharusya target produksi berupa seme direcaaka dega baik da memiliki dasar yag kuat dalam perecaaaya. Dalam peelitia ii, tujua dari peulis yaitu medapatka hasil peramala jumlah produksi seme utuk tahu 2016 berdasarka data tahu 2001 sampai 2015 sebagai data historis PT Seme Idoesia (Persero) Tbk 2. Baha da Metode 2.1 Peramala Peramala atau Forecast adalah suatu fugsi bisis yag berusaha memperkiraka pejuala da pegguaa produk sehigga produk-produk itu dapat dibuat dalam kuatitas yag tetap (Gaspersz, 1998). Meurut Gaspersz (2008:74), pada dasarya terdapat sembila lagkah yag harus diperhatika utuk mejami efektivitas da efisiesi dari sistem peramala dalam maajeme permitaa, yaitu: (1) Meetuka tujua dari peramala.(2) Memilih item idepedet demad yag aka diramalka. (3) Meetuka horizo waktu dari peramala (jagka pedek, meegah atau pajag) (4) Memilih modelmodel peramala (5) Memperoleh data yag dibutuhka utuk melakuka peramala (6) Validasi model peramala (7) Membuat peramala (8) Implemetasi hasil-hasil peramala (9) Mematau keadala hasil peramala. Tujua dari Peramala adalah utuk meetuka jumlah permitaa adalah utuk meetuka jumlah permitaa produk pada masa yag aka datag. Adapu keguaa dari peramala adalah: 1. Meetuka besarya ekspasi pabrik. 2. Meetuka recaa jagka meegah dari sebuah produk yag ada da dibuat dega fasilitas yag ada. 3. Utuk meetuka recaa jagka pedek (Hedra Kusuma, 2001) Peramala yag baik mempuyai beberapa kriteria petig diataraya akurasi, biaya da kemudaha. Pejelasa dari kriteria kriteria tersebut adalah sebagai berikut: 1. Akurasi Suatu hasil peramala diukur dega kebiasaa da kosistesi dari peramala. Hasil dari peramala dibiaska bila peramala tersebut terlalu tiggi atau terlalu redah dibadig dega keyataa yag sebearya terjadi. Hasil peramala dikataka kosiste bila besarya kesalaha dari peramala relatif kecil. 2. Biaya Biaya yag diperluka utuk pembuata suatu peramala tergatug dari jumlah item yag diramalka, lamaya periode peramala da metode peramala yag dipakai. 3. Kemudaha Pegguaa metode peramala yag sederhaa, mudah dibuat da mudah utuk diaplikasika aka memberika keutuga bagi perusahaa (Nasutio, 2008) 2.2 Metode Peramala a. Metode Movig Averages Gaspersz (2008) meyataka bahwa Movig averages megguaka sejumlah data aktual yag baru utuk membagkitka ilai ramala utuk permitaa di masa yag aka datag. Fugsi dari metode ii adalah merataka geraka pasar yag yag fluktuatif da megidetifikasika arah pergeraka harga. Dega megguaka movig averages ii dapat meujukka kekuata tred dari kecurama sudut garisya da dari metode ii kita dapat medeteksi arah tred, jika movig averages cederug aik maka ilai tred juga aka cederug aik. Namu metode ii tidak haya diguaka utuk data yag membetuk kecederuga tred saja, jika pola data tidak membetuk kecederuga megguaka metode ii. Metode ii diguaka utuk data yag perubahaya tidak begitu cepat da tidak mempuyai karakteristik yag musima. Bayak sekali idustri yag megguaka metode ii utuk meguragi variasi dari data aktual agar meghilagka fluktuasifluktuasi yag tidak diigika, sehigga dapat memuluska atau memiimalka perubaha data yag sagat tiggi atau data yag sagat redah. Metode movig averages -periode dapat dihitug megguaka formula sebagai berikut: 2

3 MA = (permitaa dalam periode terdahulu) (1) b. Weighted Movig Averages Gaspersz (2008) meyataka bahwa Weighted movig averages merupaka metode peramala yag lebih resposif terhadap perubaha. Hal ii karea data dari periode yag baru diberi bobot lebih besar. Weighted movig averages dapat diyataka dega rumus sebagai berikut: WMA = (pembobot utuk periode )(permitaa aktual dalam periode ) (pembobot) (2) c. Metode Expoetial Smoothig Model peramala expoetial smoothig bekerja dega medekatka ilai peramala ke ilai aktual. Apabila ilai error positif yag berarti ilai aktual permitaa lebih tiggi dari pada ilai ramala (A-F > 0), maka model pemulusa ekspoesial aka secara otomatis meigkatka ilai ramala. Sebalikya, apabila ilai aktual permitaa lebih redah dari pada ilai ramala (A-F < 0), makak model pemulusa ekspoesial aka secara otomatis meuruka ilai ramala. Ada tiga lagkah utuk meghitug ilai ramala berdasarka model expoetial smoothig dega megguaka tred, atara lai: Gaspersz (2008) meyataka bahwa dalam meghitug ilai ramala (F t) dari periode t dilakuka dega formula sebagai berikut: F t = F t 1 + a(a t 1 F t 1 ) (3) d. Metode Expoetial Smoothig with Tred Model aalisis garis kecederuga diperguaka sebagai model peramala apabila pola historis dari data aktual permitaa meujukka adaya suatu kecederuga meaik dalam waktu ke waktu (Gaspersz, 2008:102). Metode expoetial smoothig with tred biasaya lebih tepat utuk meramalka data yag megalami tred keaika. Rumus expoetial smoothig with tred sebagai berikut : Base Level Et = α x Yt-1 + (1- α) (Et-1 + Tt-1) ; t=1,2,..., Ekspektasi Nilai Tred T t = (1 β)t t 1 + β(e t E t 1 ) Nilai Peramala dega mempertimbagka Tred F t = E t + T t (4) 2.3 Aalisis Kesalaha Peramala Dalam peramala pastiya tidak aka lepas dari kesalaha atau error karea tidak ada peramala yag pasti akurat meskipu megguaka berbagai macam metode peramala. Dalam megguaka berbagai macam metode peramala maka kita harus memilih hasil atau metode yag medekati akurat, hal ii bisa dilihat dega megguaka pegukura kesalaha atau peghituga error. (Nasutio, 2008) meyataka bahwa ukura akurasi hasil peramala yag merupaka ukura kesalaha peramala merupaka ukura tetag tigkat perbedaa atara hasil peramala dega permitaa yag terjadi. Terdapat beberapa rumus yag dapat diguaka dalam peatepa stadar perbedaa (stadard error), atara lai Mea Absolute Deviatio (MAD), Mea Forecast Error (MFE), Mea Square Error (MSE), Mea Absolute Presetatio Error (MAPE) da Comulative Forecast Error (CFE). (Hakim, 2008), sehigga bisa dipilih metode peramala yag medekati akurat. Berikut merupaka beberapa metode aalisis kesalaha peramala, yaitu: 1. MAD (Mea Absolute Deviatio) MAD adalah rata rata kesalaha mutlak selama periode tertetu tapa memperhatika apakah hasil peramala lebih besar atau lebih kecil dibadig keyataaya, dega kata lai MAD adalah rata-rata dari ilai absolut simpaga. Secara sistematis MAD dirumuska sebagai berikut: MAD = A t F t (5) 2. MSE (Mea Square Error) MSE dihitug dega mejumlahka kuadrat semua kesalaha peramala pada setiap periode da membagiya dega jumlah periode peramala. Secara sistematis MSE dirumuska sebagai berikut: MSE = (A t F t ) 2 (6) 3. MFE (Mea Forecast Error) MFE merupaka rata-rata kesalaha dega megukur perbadiga jumlah error dibagi jumlah periode peramala data. MFE sagat efektif utuk megetahui apaka suatu hasil peramala selama periode tertetu terlalu tiggi atau terlalu redah. MFE dihitug dega mejumlahka semua kesalaha peramala selama periode peramala da membagiya dega jumlah periode peramala. Secara sistematis MFE diyataka sebagai berikut: 3

4 MFE = (A t F t ) (7) 4. MAPE (Mea Absolute Percetage Error) Mea Absolute Percetage Error merupaka ukura kesalaha relatif. MAPE biasaya lebih berarti dibadigka MAD karea MAPE meyataka persetase kesalaha hasil peramala terhadap permitaa aktual selama periode tertetu yag aka memberika iformasi persetase kesalaha terlalu tiggi atau terlalu redah, dega kata lai MAPE merupaka rata-rata kesalaha mutlak selama periode tertetu yag kemudia dikalika 100% agar medapatka hasil secara prosetase. Secara sistematis MAPE dirumuska sebagai berikut: MAPE = ( 100 ) A t F t (8) A t 5. CFE (Cumulative Forecast Error ) Kesalaha peramala = permitaa ramala. Secara sistematis dapat dituliska sebagai berikut : CFE = i=1 e i = A t F t (9) Dimaa e = kesalaha peramala (forecast error). CFE memiliki kelebiha yaitu ukura kesalaha peramala yag diguaka dega mejumlahka error peramala. Da kekuragaya adalah akurasi hasil peramala sagat kecil karea haya megguaka jumlah error peramala sebagai ukura kesalaha. 6. Trackig Sigal Gasperz (2008) meyataka bahwa Trackig Sigal yag positif meujukka bahwa ilai aktual permitaa lebih besar daripada permala. Validasi peramala dilakuka dega trackig sigal. Trackig sigal adalah suatu ukura bagaimaa baikya suatu peramala memperkiraka ilai-ilai aktual. Trackig sigal merupaka hasil dari ruig sum of the forecast error (RSFE) yag dibagi dega Mea Absolute Deviatio (MAD), dimaa keguaaya utuk megetahui perbadiga ilai aktual dega ilai peramala. Nilai trackig sigal dapat dihitug dega megguaka rumus sebegai berikut. yag dapat diguaka utuk meyelesaika masalah peramala atau forecastig adalah WiQSB. 3. Hasil da Pembahasa Data yag diguaka merupaka data historis dari produksi seme selama 15 tahu yaitu pada tahu 2001 higga tahu 2015 yag aka diguaka sebagai acua dalam meramalka produksi seme pada tahu 2016 di PT Seme Idoesia (Persero) Tbk. utuk medapatka hasil yag optimal dapat dilakuka dega megguaka beberapa metode peramala yag sesuai berdasarka data historis yag ada. Berikut merupaka pegumpula data historis produksi seme selama 15 tahu mulai tahu 2001 higga 2015 di PT Seme Idoesia (Persero) Tbk. Tabel 1 Data Historis Produksi Seme OPC Tahu Produksi Seme (Ribua To) Dibawah ii merupaka data historis produksi seme pada tahu 2000 higga tahu 2014 yag disajika dalam betuk grafik = TS = RSFE MAD (actual demad i period i forecast demad i period i) MAD (10) 2.4 Software Masalah perecaaa da pegedalia produksi dapat diselesaika dega batua computer, yaitu megguaka SPSS, Miitab da WiQSB. Masalah peramala atau forecastig dapat diselesaika dega megguaka beberapa metode. Salah satu software Gambar 1 Grafik Plot Data Produksi Seme Gambar 1 merupaka grafik yag meujukka data produksi seme yag di produksi oleh PT Seme 4

5 Idoesia (Persero) Tbk. selama 15 tahu terakhir. Grafik tersebut meggambarka produksi seme yag memiliki tred atau kecederuga aik. Uji Autokorelasi Pada gambar berikut ii meujukka autokolerasi dari data produksi seme diproduksi oleh PT Seme Idoesia (Persero) Tbk. Gambar 2 Fugsi Autokolerasi Data Produksi Seme Berikut hasil perhituga autokorelasi dega megguaka miitab pada tabel 2: Tabel 2 Autocorrelatio Fuctio: Productio Lag ACF T LBQ Dega megguaka tigkat kepercayaa 95% didapatka melalui hasil uji autokorelasi yag meujukka lag pada periode 1 keluar dari batas kedaliya. Hal ii meujukka bukti bahwa data tersebut tidak bersifat radom da aka dievaluasi dega megguaka model time series. Utuk megkomodir data yag dimiliki pada pola tred, metode peramala yag sesuai adalah Expoetial Smoothig With Tred. Berikut pada tabel 3 merupaka perhituga forecastig dega metode expoetial smoothig with tred megguaka persamaa (4). Perhituga dilakuka dega megubah ilai α da β sehigga didapatka hasil peramala dega ilai error yag tidak terlalu besar. Tabel 3 Rekap Perhituga Forecast utuk Produksi Seme (Ribua To) Per F, Dem F, α=0,6 F, α=0,6 F, α=0,7 iod α=0,47 ad β=0,4 β=0,5 β=0,3 e β=0, Aalisis Kesalaha Dalam melakuka forecastig terjadi ketidaksesuaia atar data actual dega hasil forecast oleh karea itu dilakuka perhituga error yag terjadi dega megguaka metode aalisis kesalaha MAD, MSE, MAPE, MFE da CFE. Berikut rekapa hasil aalisis kesalaha: Tabel 4 Rekap Data Perhituga Error pada Produksi Seme Perbad iga F, α=0,6 β=0,4 F, α=0,6 β=0,5 F, α=0,7 β=0,3 F, α=0,47 β=0,77 MSE MAD 564, ,0 557,7 MAPE 6,3 % 6,4 % 6,4 % 6,2 % MFE 319,2 280,4 321,6 278 CFE 4469, , , , Trackig Sigals Berikut merupaka grafik trackig sigals dari hasil perhituga error peramala Grafik Trackig Sigals 10.0 TS, α=0,6 0.0 β=0, TS, α=0,6 β=0,5 Gambar 3 Grafik Trackig Sigal Produksi Seme 5

6 Dari Gambar 3 dapat dilihat bahwa grafik hasil perhituga forecast dega α = 0,47 da β = 0,77 sesuai dega pola historis dari data aktual permitaa, da dari Tabel 3 meujuka bahwa ilai error yag terkecil dimiliki oleh perhituga α = 0,47 da β = 0,77 dega MAD sebesar 557,7 ilai MSE sebesar , ilai MAPE sebesar 6,2%, ilai MFE sebesar 278 da ilai CFE sebesar 3891, Hasil Peramala Berikut hasil peramala dega metode expoetial smoothig with tred megguaka α = 0,47 da β = 0,77 Tabel 5 Hasil Peramala Seme Tahu 2016 Tahu Produksi Forecast (Ribua To) Dari hasil perhituga didaptka hasil sebesar (ribua to) utuk perecaaa produksi seme tahu Perhituga Software Dibawah merupaka hasil forecastig dega megguaka software Wiqsb yag dapat dilihat pada gambar 4 Gambar 4 merupaka hasil peramala megguaka software WiQSB yag meujukka jumlah produksi seme yag di produksi oleh PT Seme Idoesia (Persero) Tbk. pada tahu Didapatka hasil peramala produksi seme tahu 2016 sebesar (dalam ribua to). Selai itu juga terlihat hasil MAD sebesar 557,7786 ilai MSE sebesar , ilai MAPE sebesar 6,2%, da ilai CFE sebesar 3891,53. Dari software tersebut juga didapatka hasil Gambar 4 Hasil Forecastig Wiqsb dega α da β terbaik yaitu dega megguaka α = 0,47 da β = 0, Kesimpula Dari hasil perhituga forecastig baik secara maual maupu software, megguaka metode expoetial smoothig with tred didapatka hasil sebesar (ribua to) utuk produksi seme tahu 2016 di PT. Seme Idoesia (Persero) Tbk. Kemudia dega aalisis kesalaha yag dihasilka yaitu ilai MAD sebesar 557,7 ilai MSE sebesar 6

7 596899, ilai MAPE sebesar 6,2%, ilai MFE sebesar 278 da ilai CFE sebesar 3891, serta hasil trackig sigal yag tidak melebihi batas cotrol atas da bawah. Hasil perhituga dega megguaka metode ii diharapka dapat membatu perusahaa dalam merecaaka produksi seme utuk memperkecil keidaksesuaia atara perecaaa produksi dega release aktual. Sehigga perecaaa produksi tidak haya berdasarka perkiraa saja tapa ada metode atau dasar yag dapat meyebabka ketidaksesuaia atara RKAP produksi yag telah ditetuka pada awal tahu dega release aktual seme yag dilakuka oleh PT. Seme Idoesia (Persero) Tbk. 5. Daftar Pustaka Gasperz, Vicet Forecast. Jakarta: PT Gramedia Pustaka Utama. Gasperz, Vicet Productio Plaig Ad Ivetory Cotrol. Jakarta: PT Gramedia Pustaka Utama. Kusuma, Hedra Keguaa Peramala. PT Remaja Rodakarya. Nasutio, Arma Hakim Perecaaa da Pegedalia Produksi. Edisi Kedua. Surabaya: Prima Pritig. Yamit, Zulia Maajeme Operasi da Produksi. Edisi Kedua. Yogyakarta: EKONISIAN 7