Professional Documents
Culture Documents
Chapter 4
Kulsum
LSiPro – FT Untirta
2016
Kulsum_LsiPro
Tujuan Pembelajaran
• Mahasiswa mampu memahami dan
melakukan tentang peramalan produksi.
Kulsum_LsiPro
Faktor Yang Mempengaruhi Peramalan
3-7
Teknik-Teknik Peramalan
• 1. Teknik Kualitatif :
Teknik ini adalah subyektif atau “judgmental” atau
berdasarkan pada estimasi dan pendapat-pendapat. Berbagai
sumber pendapat yang baik bagi peramalan kondisi bisnis
adalah sebagai berikut :
– Para eksekutif
– Orang-orang bagian penjualan
– Para langganan
– Para ahli berbagai bidang, misal : konsultan manajemen
Teknik Kualitatif
• Metode Delphi, merupakan teknik yang
mempergunakan prosedur sistematik untuk
mendapatkan suatu konsensus pendapat-pendapat
dari suatu kelompok ahli. Proses delphi dilakukan
dengan meminta kepada para anggota kelompok untuk
memberikan serangkaian ramalan-ramalan melalui
tanggapan mereka terhadap daftar pertanyaan.
Kemudian hasilnya diformulasikan dan dibagikan lagi
kepada kelompok.
• Riset pasar, teknik ini secara khusus ditujukan untuk
meramal permintan dan penjualan produk baru.
Teknik Kualitatif
• Analogi historik, peramalan dilakukan dengan
menggunakan pengalaman-pengalaman
historis dari suatu produk yang sejenis.
• Konsensus panel, gagasan yang didiskusikan
kelompok akan menghasil-kan ramalan-
ramalan lebih baik daripada dilakukan oleh
seseorang.
PENDEKATAN DALAM PERAMALAN
2. Peramalan kuantitatif : peramalan yang
menggunakan model matematis yang
beragam dengan data masa lalu dan
variabel sebab-akibat untuk peramalan
permintaan.
Persyaratan Penggunaan
Metode Kuantitatif:
14
PERAMALAN DERET WAKTU
• Deret waktu didasarkan pada urutan dari titik-
titik data yg berjarak sama dalam waktu
(mingguan, bulanan, kuartalan, dll).
• Menganalisis deret waktu berarti membagi
data masa lalu menjadi komponen-komponen,
kemudian memproyeksikan-nya ke masa
depan.
PENDEKATAN NAIF
• Pendekatan naif adalah teknik peramalan yg
mengasumsikan permintaan periode
berikutnya sama dengan permintaan pada
periode terakhir. Dengan kata lain, jika
penjualan sebuah produk (mis: telpon
gemgam Motorolla) adalah 68 unit pada bulan
Januari, kita dapat meramalkan pen-jualan
pada bulan Februari akan sama, yaitu
sebanyak 68 unit juga.
• Pendekatan naif ini merupakan model
peramalan objektif yg paling efektif dan
efisien dari segi biaya. Paling tidak pen-
dekatan naif memberikan titik awal untuk
perbandingan dengan model lain yang lebih
canggih.
Kulsum_LsiPro
Pola data metode deret berkala (1)
Misal:
Untuk mendapatkan angka perkiraan dengan menggunakan
metode rata-rata bergerak 3 bulan , maka perkiraan data
berikutnya sebesar rata-rata 3 bulan sebelumnya.
Misal:
Untuk mendapatkan angka perkiraan dengan
menggunakan metode rata-rata bergerak tertimbang n
bulan, maka perkiraan data berikutnya adalah:
– E = kesalahan
– Xt = data aktual
– St = data hasil peramalan
– n = jumlah periode
Akurasi Peramalan
E
n
– E = kesalahan
– Xt = data aktual
– St = data hasil peramalan
– n = jumlah periode
Contoh Soal Simple Moving Averages
Contoh soal:
Tahun 2014 Permintaan
• Sebuah perusahaan memiliki
data permintaan selama Januari 20
tahun 2014 seperti disajikan Februari 21
Maret 19
pada tabel. Hitung berapa
April 17
kira-kira permintaan pada Mei 22
bulan Januari 2015, dan Juni 24
berapa perkiraan kesalahan Juli 18
akurasinya apabila Agustus 23
menggunakan metode rata- September 20
rata bergerak 3 bulan dan Oktober 25
rata-rata bergerak 5 bulan ? November 22
Desember 24
Contoh Soal Simple Moving Averages
Contoh soal:
Tahun 2014 Permintaan
• Sebuah perusahaan memiliki
data permintaan selama Januari 20
tahun 2014 seperti disajikan Februari 21
Maret 19
pada tabel. Hitung berapa
April 17
kira-kira permintaan pada Mei 22
bulan Januari 2015, dan Juni 24
berapa perkiraan kesalahan Juli 18
akurasinya apabila Agustus 23
menggunakan metode rata- September 20
rata bergerak 3 bulan dan Oktober 25
rata-rata bergerak 5 bulan ? November 22
Desember 24
Jawaban rata2 bergerak 3 bulan (1)
Januari 20 - - - -
Februari 21 - - - -
Maret 19 - - - -
April 17 20,00 -3,00 3,00 9,00
Mei 22 19,00 3,00 3,00 9,00
Juni 24 19,33 4,67 4,67 21,78
Juli 18 21,00 -3,00 3,00 9,00
Agustus 23 21,33 1,67 1,67 2,78
September 20 21,67 -1,67 1,67 2,78
Oktober 25 20,33 4,67 4,67 21,78
November 22 22,67 -0,67 0,67 0,44
Desember 24 22,33 1,67 1,67 2,78
Jumlah : 24,00 79,33
Jawaban rata2 bergerak 3 bulan (3)
E
n
Jawaban rata2 bergerak 3 bulan (4)
Januari 20 - - - -
Februari 21 - - - -
Maret 19 - - - -
April 17 - - - -
Mei 22 - - - -
Juni 24 19,80 4,20 4,20 17,64
Juli 18 20,60 -2,60 2,60 6,76
Agustus 23 20,00 3,00 3,00 9,00
September 20 20,80 -0,80 0,80 0,64
Oktober 25 21,40 3,60 3,60 12,96
November 22 22,00 0,00 0,00 0,00
Desember 24 21,60 2,40 2,40 5,76
Jumlah : 16,60 52,76
Jawaban rata2 bergerak 5 bulan (3)
E
n
Jawaban rata2 bergerak 5 bulan (4)
Contoh soal:
Tahun 2014 Permintaan
• Dengan data yang sama
dengan soal sebelumnya, Januari 20
hitung berapa kira-kira Februari 21
Maret 19
permintaan pada bulan
April 17
Januari 2015, dan berapa Mei 22
perkiraan kesalahan Juni 24
akurasinya apabila Juli 18
menggunakan metode rata- Agustus 23
rata bergerak tertimbang 3 September 20
bulan dan rata-rata bergerak Oktober 25
tertimbang 5 bulan ? November 22
Desember 24
Jawaban rata2 bergerak tertimbang 3 & 5 bulan (1)
3-55
MAD, MSE, and MAPE
Actual forecast
MAD =
n
2
( Actual forecast)
MSE =
n -1
MAD= 2.75
MSE= 10.86
MAPE= 1.28
3-58
Pengawasan Ramalan
• Grafik Pengawasan (Control Chart)
– Alat untuk mengawasi kesalahan-kesalahan
ramalan secara visual
– Digunakan untuk menemukan ketidak-
serempangan dalam kesalahan-kesalahan
• Kesalahan-kesalahan peramalan berada
dalam kendali jika
– Semua kesalahan berada dalam batas kendali
– Muncul dengan tidak berbentuk, seperti tren
atau siklus
3-59
Sumber-sumber kesalahan ramalan
• Model peramalan mungkin tidak cukup
• Variasi-variasi yang tak beraturan
• Kesalahan penggunaan teknik peramalan
3-60
Memilih teknik peramalan
• Tidak ada teknik yang berfungsi di setiap situasi
• Dua faktor yang paling penting
– Biaya
– Akurasi
• Faktor lain termasuk ketersediaan dari:
– Data historis (masa lalu)
– Komputer
– Waktu yang dibutuhkan untuk mengumpulkan dan
menganalisa data
– Cakrawala ramalan (forecast horizon)
3-61
Kulsum_LsiPro
NEXT
PERAMALAN-3
Kulsum_LsiPro
TERIMAKASIH
Kulsum_LsiPro
Kulsum_LsiPro
Kulsum_LsiPro
Akurasi Peramalan