Professional Documents
Culture Documents
Teknik Peramalan
Teknik Peramalan
TEKNIK PERAMALAN
Hasil Pembelajaran
Umum
Mahasiswa mampu menerapkan model
matematik, heuristik dan teknik statistik untuk
perencanaan dan pengendalian produksi
Khusus
Mampu menganalisis pola permintaan serta
menerapkan teknik-teknik peramalan
Peramalan
Merupakan estimasi nilai atau karakteristik di masa
mendatang, sehingga dimungkinkan adanya
perencanaan
Peramalan:
prediksi (prediction)
peramalan (forecast)
kecenderungan (trend)
Metoda peramalan dapat berdasarkan :
Model kuantitatif, dengan mempergunakan data
masa lalu
Model kualitatif, berdasarkan pengalaman
Faktor yang mempengaruhi permintaan:
Faktor Eksternal:
Booming economy
Perubahan dalam peraturan pemerintah
Turning point, perubahan permintaan
Leading indicator
Coincident indicators
Lagging indicator
Perubahan selera konsumen
Faktor yang mempengaruhi permintaan:
Faktor Internal:
Desain produk atau jasa
Harga dan promosi
Desain kemasan
Kuota penjualan atau insentif
Ekspansi target pasar untuk merubah volume
permintaan
Manajemen permintaan: menggambarkan proses
untuk mempengaruhi waktu (timing) dan volume
permintaan. Contoh: adanya discount untuk
pembelian kendaraan
Sistem Peramalan
Data Historis
Knowledge of
changed
condition
Forecast Pembandingan
(Prediction) dengan kondisi
aktual
Feedback on
forecast
accuracy
Prosedur Peramalan
Plot data permintaan vs. waktu
Pilih beberapa metoda peramalan
Evaluasi kesalahan peramalan
Pilih metoda peramalan dengan kesalahan
peramalan terkecil
Intepretasi hasil peramalan
Konsiderasi (1)
Ongkos dan manfaat
Ongkos
Ongkos pengembangan metoda
Manfaat
Mengerti hubungan antara permintaan dan
faktor lain
Kondisi dunia nyata Sistem pengendalian
produksi
Konsiderasi (2)
Ketelitian
Suatu ukuran seberapa tepat ramalan dari
kondisi aktual
Sederhana dalam perhitungan
ketelitian tinggi vs sederhana dalam
perhitungan
Kemampuan menyesuaikan terhadap perubahan
Lead time, perioda, horizon
dimana:
dt = data aktual pada periode t
Dt‘ = nilai ramalan pada periode t
n = banyaknya periode
Tingkat Akurasi Metode
Peramalan (3)
Standard error of estimate (SEE)
2
n
(d t D't )
SEE (n f )
t 1
dimana:
f = derajat kebebasan
1 : untuk data konstan
2 : untuk data linier
3 : untuk data kuadratis
Tingkat Akurasi Metode
Peramalan (4)
Persentase Kesalahan
d D 't
PEt ( d )x 100%
t
REGRESI
MOVING
SMOOTHING
AVERAGE
MODEL
KUALITATIF
EXPONENTIAL
SMOOTHING
KAUSAL
Taks. Peramalan Berdasarkan
Derajat Kuantifikasi (2)
Penggunaan Model Kualitatif:
Tidak memerlukan data kuantitatif
Unsur subyektivitas peramalan sangat besar
pengaruhnya dalam hasil peramalan
Baik untuk peramalan jangka panjang
Menggunakan metoda judgement
Taks. Peramalan Berdasarkan
Derajat Kuantifikasi (3)
Model Kualitatif : Metoda Judgement ; digunakan, apabila
data yang tersedia tidak mencukupi.
Terdapat 4 pendekatan;
Estimasi ‘sales force’, berdasarkan pengolahan dari perkiraan
permintaan mendatang yang dibuat secara periodik oleh tenaga
penjualan perusahaan
Executive opinion, berdasarkan opini, pengalaman dan
pengetahuan teknis darai para pimpinan
Market research, pendekatan secara sistematik untuk
menentukan minat konsumendengan membangun hipotesa
melalui data pengamatan yang dikumpulkan
Metoda Delphi, berdasarkan konsensus dari sekelompok pakar
yang identitasnya dipertahankan untuk tidak saling mengetahui.
Taks. Peramalan Berdasarkan
Derajat Kuantifikasi (4)
Model Kuantitatif :
Membutuhkan data kondisi masa lalu
Diasumsikan pola data masa lalu akan berlanjut
pada masa yang akan datang
Data tersebut dapat dikuantifisir
Data yang digunakan untuk keperluan perencanaan
produksi:
Paling baik menggunakan data permintaan
Menggunakan data jumlah unit penjualan
Kalau tidak memiliki data penjualan gunakan data
jumlah unit produksi
Model Kuantitatif : Metoda
Causal
Digunakan bila tersedia data masa lalu
Hubungan antara faktor internal ataupun eksternal
dapat diidentifikasikan
Hubungan dinyatakan dalam bentuk matematis
3 720
4 785 682,67 F7=(650+678+
5 859 727,67 720+895+920)/6 Hitung tingkat
= 768,67 akurasi metode
6 920 788,00
7 850 854,67 768,67
8 758 876,33 802,00
9 892 842,67 815,33
10 920 833,33 844,00
11 789 856,67 866,5
12 844 867,00 854,83
Simple Moving Average (SMA)
SMA Plotting
1000
800
600 Demand
Demand
SMA-3
400 SMA-6
200
0
1 2 3 4 5 6 7 8 9 10 11 12
Minggu
Simple Moving Average (SMA)
Jadi peramalan untuk minggu ke 13 adalah sbb :
- SMA-3 : (920+789+844)/3 = 851
- SMA-6 : (850+758+892+920+789+844)/6 =
842,17
Ft Ft 1 ( Dt 1 Ft 1)
α = smoothing constant
Asumsi : F1 = D1
Simple Exponential Smoothing (SES)
Hitung tingkat
akurasi metode
Minggu Demand SES 0,1 SES 0,6
1 820 820 820
2 775 820 820
3 680 815.5 793
4 655 801.95 725.2
5 750 787.255 683.08
6 802 783.5295 723.232
7 798 785.3766 770.4928
8 689 786.6389 786.9971
9 775 776.875 728.1988
10 776.6875 756.2795
Simple Exponential Smoothing (SES)
1000
800
Demand
Demand
600
SES 0,1
400
SES 0,6
200
0
1 2 3 4 5 6 7 8 9
Minggu
Double Exponential Smoothing (DES)
Satu Parameter
Disebut juga Metode Linear Brown
Untuk pola data trend
Hampir sama dengan Double Moving Average
Penyesuaian dari SES dilakukan dengan
penambahan satu parameter
Double Exponential Smoothing (DES)
Satu Parameter
Rumus :
St' Dt (1 ) St' 1
DES plotting
200
150
Demand
Dt
100
Ft
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Minggu
Peramalan Musiman
Peramalan dimana data historis menunjukkan suatu
pertumbuhan tetapi juga memiliki pola musiman tertentu
Musiman di sini pada awalnya menunjukkan bulanan atau 4
bulanan (quarterly), tetapi pada peramalan, pola musiman
dapat ditemukan dalam bermacam-macam periode
Terdiri dari dua metode yaitu Multipicative Seasonal Method
dan Additive Seasonal Method.
Multipicative Seasonal Method
Faktor musiman dikalikan dengan estimasi rata-rata
permintaan yang akan tiba pada peramalan musiman. Pola
musimannya ditentukan oleh tingkat permintaan
Additive Seasonal Method
Peramalan musiman diperoleh dengan menambahkan suatu
konstanta pada estimasi rata-rata permintaan per musim.
Pendekatan ini berdasarkan asumsi bahwa pola musiman
konstan serta mengabaikan rata-rata permintaan.
Multipicative Seasonal Method
Problem
Manager ingin meramalkan permintaan pada setiap kuartal di
tahun ke 5 berdasarkan estimasi bahwa total permintaan pada
tahun ke 5 berjumlah 2600.
Tahun 1 2 3 4
Kuartal 1 2 3 4
Kuartal 1 2 3 4
Peramalan 130 845 1300 325
Solusi Multipicative Seasonal
Method
Seandainya diketahui bahwa pola pertumbuhan
permintaan per tahun mengikuti regresi linier,
maka pada step 4 harus dihitung perkiraan
permintaan tahun ke 5 menggunakan regresi linier.
Untuk contoh ini, hasil regresi linier tahunan adalah
Ft = 500 + 420t
F5 = 500 + 420*5 = 2600
Hitung tingkat
Kuartal 1 = 650*0,20 = 130 akurasi metode
Kuartal 1 2 3 4
^ ^ ^ d t
D (t ) a a t 1
n
Regresi linier
^ ^ ^
D (t ) a bt
N N N N
^
N t .d (t ) d (t ) t ^ d (t )
b t 1
N
t 1
N
t 1
2 a t 1
N
N t ( t )
2
t 1
t 1
Siklis ^
2 t 2 t
D (t ) a u cos N v sin N
Contoh
Dari data 12 bulan terakhir tercatat penjualan
produk X:
t 1 2 3 4 5 6 7 8 9 10 11 12
dt 140 159 136 157 173 181 177 188 154 179 180 160
Gambar
diagram
Pencar:
Metoda Konstan
Metoda Konstan
n n
2
d t '
(dt dt ')
a t 1
dt SEE t 1
N nf
3124. 68
12 1
3124. 68
11
16. 85 17
Metoda Linier
Metoda Linier
n n n n
N t .dt dt t 12(13264) (1984)(78) (dt dt ')
2
b t 1 t 1 t 1 b 2 t 1
2 12(647) (78) SEE
n n nf
N t ( t )
2
157168 154752 2416 2628 2628
t 1
t 1
7764 6084 1680 12 2 10
1. 44 1 16. 21 16
n n
dt bt
a t 1
t 1
dt b.t a dt b.t
N N
165. 33 1. 44(6. 5) 165. 33 9. 35
155. 98 156
dt ' 156 1t
Metoda Kuadratis
Metoda Kuadratis
n n n n 404
t .dt dt t
2
N t
2
.dt b 2. 22 2. 2
t 1 t=1 t 1 t 1
182
b n
c= n n
2
t (t 2) nt
2 4
(1984)(182) 12( 28910) 361088 346920
t 1 t 1 t 1 c 2
(182) 12( 4550) 33124 54600
n n
14168
dt C t
2
0. 6597 0. 66
a t 1 t 1 21476
N
5737. 27 a 1984 0. 66(182) 1984 120.12
SEE
12 3 12 12
155. 32
5737. 27
9
2
25. 25 25 dt ' 155. 32 2. 2t 0. 66t
Pemilihan Metoda Terbaik &
Hasil Peramalan
Metode yang dipilih adalah metode peramalan
linier
Dt' = 156 + t
Tracking Signal (1)
Tracking Signal adalah sebuah ukuran yang mengidentifikasi
apakah sebuah metode peramalan dapat secara akurat
memprediksi perubahan permintaan aktual.
Jumlah 18
MAD/MAE 2.25
Verifikasi Peramalan
Dilakukan untuk memverifikasi apakah fungsi
peramalan yang digunakan mewakili pola data yang
ada.
Metoda verifikasi: Moving Range Chart
Moving Range
MR d t' d t d t' 1 d t 1
MR
Average moving range MR
n 1
Control limits UCL 2.66 MR
LCL 2.66 MR
Verifikasi Peramalan
Pengujian Out of control
Dari 3 titik yang berurutan, 2 UCL
region A
region C
region B
titik atau lebih di Daerah A
Dari 5 titik yang berurutan, 4
titik atau lebih di Daerah B
Dari 8 titik yang berurutan
seluruhnya berada atau di
bawah center line center line
region A
region C
region B
sebab baru)
LCL
Tunggu evidence selanjutnya
Contoh Perhitungan
MR Chart (1) t Dt Dt' Dt'- Dt MR
1 140 156 16
•Dt' = 156 + t
2 159 157 -2 18
159 3 136 158 22 24
MR 14.45
11 4 157 159 2 20
UCL 38.45 5 173 160 -13 15
6 181 161 -20 7
LCL 38.45
7 177 162 -15 5
8 188 163 -25 10
9 154 164 10 15
10 179 165 -14 24
11 180 166 -14 0
12 160 167 7 21
159
Contoh Verifikasi (2)
38.45
25.63
12.82
-12.82
-25.63
-38.45
Selesai