Penerapan Metode Peramalan Kuantitatif dalam Mengoptimalkan Perencanaan Produksi Ragum di PT. XYZ

Abstract

Fluktuasi permintaan ragum di PT. XYZ menimbulkan ketidakseimbangan pasokan yang memicu tingginya holding cost saat kelebihan produksi atau risiko lost sales akibat kekurangan barang, sehingga membuat perusahaan membutuhkan adanya perkiraan permintaan kedepannya. Penelitian ini bertujuan meramalkan tingkat permintaan ragum di masa mendatang menggunakan metode peramalan kuantitatif time series yaitu linear dan siklis, guna menentukan model dengan galat (error) terkecil. Evaluasi dilakukan dengan membandingkan metode Linear dan Siklis menggunakan 60 periode data historis permintaan. Akurasi dari kedua metode tersebut diukur melalui pendekatan Mean Square Error (MSE) serta divalidasi menggunakan uji statistik distribusi-F. Hasil analisis menunjukkan bahwa metode Siklis memiliki performa lebih baik dengan nilai MSE sebesar 4722,8687 dibandingkan metode Linear yang menghasilkan MSE 4763,2414. Keunggulan ini dikonfirmasi melalui pengujian hipotesis di mana nilai Fhitung (0,9831) lebih kecil dari batas Ftabel (1,5480). Verifikasi menggunakan peta kendali Moving Range juga memastikan bahwa fungsi peramalan dapat merepresentasikan data dengan baik karena tidak melebihi batas kontrol. Oleh karena itu, metode Siklis direkomendasikan untuk diterapkan dalam perencanaan jadwal produksi ragum guna meningkatkan efisiensi operasional perusahaan.

Fluctuations in the demand for vise clamps at PT. XYZ have caused supply imbalances, leading to high holding costs during periods of overproduction or the risk of lost sales due to stock shortages, and made it necessary for the company to forecast future demand. This study aims to forecast future demand levels for ragum using quantitative time series forecasting methods—namely linear and cyclical to determine the model with the smallest error. The evaluation was conducted by comparing the Linear and Cyclical methods using 60 periods of historical demand data. The accuracy of both methods was measured using the Mean Square Error (MSE) approach and validated using the F-distribution statistical test. The analysis results show that the Cyclical method performs better with an MSE value of 4722.8687 compared to the Linear method, which yields an MSE of 4763.2414. This advantage is confirmed through hypothesis testing, where the calculated F-value (0.9831) is smaller than the critical F-value (1.5480). Verification using a Moving Range control chart also confirms that the forecasting function can represent the data well because it does not exceed the control limits. Therefore, the Cyclical method is recommended for application in planning production schedules to improve the company’s operational efficiency.