UPAYA PERBAIKAN PERAMALAN PERMINTAAN OBAT A DAN RENCANA PRODUKSI DENGAN METODE TIME SERIES PADA PT. PHAPROS TBK

Abstract

Abstrak
Peramalan permintaan memiliki peran penting dalam pengambilan keputusan perusahaan, karena
mempengaruhi jumlah produksi tahunan dan keuntungan perusahaan. Penelitian ini bertujuan untuk
melakukan peninjauan dalam meramalkan jumlah permintaan kedepannya, serta memberi usulan
perbaikan terkait metode peramalan yang digunakan PT Phapros Tbk saat ini dengan metode time
series, sehingga dapat menghasilkan nilai error yang lebih kecil. Hal tersebut didasarkan pada studi
dan observasi yang dilakukan, proses peramalan permintaan yang dilakukan masih tergolong
konvensional, sehingga berdampak pada kurangnya akurasi hasil peramalan permintaan produk.
Alternatif solusi atas permasalahan tersebut adalah dengan mengaplikasikan metode peramalan time
series pada berdasarkan data historis demand Obat A selama 1 tahun terakhir (2022). Hasil
pengolahan data menunjukkan bahwa metode time series terbaik dengan nilai eror terkecil adalah
metode Winters Method dengan nilai MAPE sebesar 6% dan MAD sebesar 313. Hasil peramalan yang
didapatkan berdasarkan output Winters Method Smoothing selama 12 periode kedepan adalah Januari
sebesar 6297, Februari sebesar 5595, Maret sebesar 4723, April sebesar 2457, Mei sebesar 8296, Juni
sebesar 1943, Juli sebesar 6202, Agustus sebesar 4496, September sebesar 7227, Oktober sebesar
7436, November sebesar 8999, dan Desember sebesar 4186.

Kata Kunci: Peramalan, Time Series, Industri Manufaktur Farmasi, Permintaan
Abstract
[Efforts to Enhance the Forecasting of Drug A Demand and Production Planning Using the Time
Series Method at PT. Phapros Tbk] Forecasting demand has an important role in corporate decision
making, because it affects the amount of annual production and company profits. This research aims to
conduct a review in predicting the number of future demand, as well as to provide proposals for
improvements related to the forecasting method used by PT Phapros Tbk currently with the time series
method, so that it can produce smaller error values. This is based on studies and observations carried
out, the process of forecasting that company currently used is still classified as conventional, thus
impacting the lack of accuracy of the product request forecasting results. An alternative solution to this
problem is to apply the time series forecasting method based on historical data on Drug A for the past
1 year (2022). Data processing results show that the best time series method with the smallest eror
value is the Winters Method method with a MAPE value of 6% and a MAD of 313. Forecasting results
obtained based on Winters Method Smoothing output over the next 12 periods are January 6297,
February 5595, March 4723, April 2457, May 8296, June 1943, July 6202, August 4496, September
7227, October 7436, November 8999, and December 4186.
Keywords: Forecasting, Time Series, Pharmaceutical Manufacturing, Demand