Anda di halaman 1dari 33

KONSEP DASAR PERAMALAN

Pertemuan 1 dan 2

Penjualan september 1.200 unit Apa ?? 1.200 ???

Membuat keputusan yang baik


Apakah yang dapat membuat suatu perusahaan sukses?
Keputusan yang dibuat baik

Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik?


Akurasi prediksi masa yang akan datang

Bagaimana kita melakukannya?


Peramalan

Pengertian peramalan
Bukan menduga (guess) ! Estimasi nilai atau karakteristik masa depan

Informasi yang dipergunakan sebagai dasar untuk membuat rencana

Mengapa diperlukan?
Masa depan bersifat tidak pasti (uncertain)
Permintaan tidak pasti karena: -Kompetisi -Perilaku konsumen -Siklus bisnis -Upaya penjualan -Siklus hidup produk -Variasi random, dll. Diperlukan referensi untuk perencanaan hasil peramalan

Prinsip Peramalan
Peramalan seringkali salah. Setiap model peramalan memuat estimasi dari kesalahan peramalan Kesalahan actual seringkali lebih besar daripada kesalahan estimasi Mengkombinasikan metode dapat meningkatkan akurasi Peramalan jangka panjang biasanya mempunyai akurasi lebih kecil dibanding peramalan jangka pendek

Data
SUMBER :
Arsip perusahaan Data pemerintah (laporan Biro Pusat Statistik, Departemen, dll)

FAKTOR INTERNAL THD PENJUALAN


Kualitas, harga, delivery time, promosi, discount, dll

FAKTOR EKSTERNAL
Indikator perekonomian : tingkat pertumbuhan ekonomi, tingkat inflasi, nilai tukar valuta asing, dll

Pertimbangan dalam peramalan


Ongkos dan manfaat
Ongkos
Ongkos pengembangan metoda Ongkos kegiatan peramalan Ongkos akibat kesalahan ramal

Manfaat
Mengerti hubungan antara permintaan dan faktor lain Kondisi dunia nyata Sistem pengendalian produksi

"Untuk tujuan apa suatu ramalan dibuat akan menentukan pendekatan yang diambil"

Pertimbangan dalam peramalan


Ketelitian Suatu ukuran seberapa tepat ramalan dari kondisi aktual Sederhana dalam perhitungan ketelitian tinggi vs sederhana dalam perhitungan Kemampuan menyesuaikan terhadap perubahan Lead time, periode, horizon

Metode Peramalan
Terdapat 2 macam pendekatan: Qualitative: metode ini dianggap sebagai metode yang subyektif dengan mensertakan pendapat pakar. Misalnya dengan teknik Delphi. Metode ini dipilih apabila data histori tidak tersedia. Quantitative: metode ini menggunakan data histori. Tujuan dari metode ini adalah mempelajari data histori dan struktur dari data untuk tujuan memprediksi masa depan.

Metode Peramalan Quantitative


Metode peramalan quantitative dapat dibagi lagi menjadi beberapa sub-bagian, yaitu: Metode peramalan time-series: metode peramalan yang sepenuhnya menggunakan data histori masa lalu dan sekarang. Metode peramalan kausal/eksplanatoris: menyertakan faktor-faktor yang berkaitan dengan variabel yang akan diprediksi, misalnya dalam peramalan ekonomi perlu mengikutsertakan barometer2 ekonomi di dalamnya.

Metode Peramalan Time-Series


Pada peramalan ini sistem dianggap sebagai sebuah black box. Faktor yang berpengaruh terhadap perilaku sistem tidak perlu diketahui. Mengapa sistem dianggap sebagai sebuah black box? Sistem tidak dapat dipahami, parameter-parameter yang mempengaruhi sistem sulit diukur. Fokus utama adalah melakukan peramalan, bukan untuk mengetahui mengapa hal itu terjadi.
input Generating process sistem output

Contoh:

Metode Peramalan Eksplanatoris


Mengasumsikan adanya hubungan sebab dan akibat di antara input dan output dari sebuah sistem. Sistem dapat berupa: ekonomi nasional, pasar uang, dsb. Setiap perubahan pada sisi input akan berpengaruh terhadap output dari sebuah sistem dengan memperhatikan adanya hubungan sebab akibat. Secara praktis, dalam peramalan metode ini tugas kita adalah menemukan hubungan sebab akibat dengan mengamati output dan menghubungkannya dengan input.
input
Cause and effect relationship

output

Contoh:

sistem

MODEL KUALITATIF

REGRESI

PERAMALAN

TIME SERIES

RATA-RATA

SMOOTHING

MOVING AVERAGE

MODEL KUANTITATIF

EXPONENTIAL SMOOTHING

KAUSAL

Horison dan Periode Peramalan


Horison peramalan: menunjukkan seberapa jauh ke depan peramalan dilakukan dan terkait dengan jangkauan perencanaan yang akan dilakukan (misal: setahun ke depan) Periode peramalan: menunjukkan basis waktu data peramalan (misal: bulanan)
DATA FORECAST

Horison Peramalan
Periode peramalan

Prosedur Peramalan
Plot the data versus time using graph and examine the demand pattern Select several forecating methods which suitable for the demand pattern Performs the forecasting and evaluate the forecasting error

Select forecast result with the smallest error, validate and interpret the result

Pola Data pada Model Time-Series

Sumber: Metode dan Aplikasi peramalan, Makridakis, S.

Teknik Peramalan untuk Pola Data Horizon


Data relatif stable untuk periode waktu tertentu Terjadi variasi sepanjang waktu tetapi tidak signifikan Fungsi yang menunjukkan pola data konstan d(t) = a d(t) = permintaan selama periode t a = konstanta Teknik peramalan yang bisa dipakai antara lain:
Metode rata-rata sederhana Metode rata-rata bergerak Pemulusan eksponensial sederhana Metode Box-Jenkins

Teknik Peramalan untuk Pola Data Trend


Demand menunjukkan kecenderungan meningkat (menurun) dari waktu ke waktu Fungsi pola data trend adalah:
d(t) = a + bt

d(t) = permintaan pada periode t a, b = parameter model Teknik peramalan yang dipakai antara lain:
Double moving average Pemulusan eksponensial dari Brown Pemulusan eksponensial dari Holt

Teknik Peramalan untuk Pola Data Siklis


Pola data siklis dapat didefiniskan sebagai fluktuasi seperti gelombang disekitar garis trend. Pola siklis cenderung untuk berulang setiap dua, tiga tahun, atau lebih Pola siklis sulit untuk dibuat modelnya karena polanya tidak stabil,turun naiknya fluktuasi di sekitar trend jarang sekali berulang pada interval waktu yang tetap Teknik peramalan yang dapat dipakai antara lain:
Model-model ekonometrik Regresi berganda runtut waktu Metode Box-Jenkins

Teknik Peramalan untuk Pola Data Musiman


Suatu data runtut waktu yang bersifat musiman didefinisikan sebagai suatu data runtut waktu yang mempunyai pola perubahan yang berulang secara tahunan. Teknik peramalan yang dapat dipakai antara lain:
Pemulusan eksponensial dari winter Regresi berganda runtut waktu Metode Box-Jenkins

Kesalahan Peramalan (1)


Di dalam setiap sistem selalu terdapat unsur acak di dalamnya. Karena itu sistem lebih tepat digambarkan sebagai berikut:
input sistem output

Unsur acak

Unsur acak di dalam sistem menghasilkan adanya kesalahan ramalan (hasil ramalan dan kondisi sesungguhnya tidak sama persis).

Kesalahan Peramalan (2)


Karena itu data yang merupakan representasi sebuah sistem memiliki dua komponen utama, yaitu: pola data (hubungan fungsional yang mengatur sistem) dan unsur acak (kesalahan/galat), dirumuskan sebagai:

data = pola + kesalahan


Permasalahannya sekarang bagaimana memisahkan pola dari komponen kesalahan agar pola dapat digunakan dalam peramalan?

Kesalahan Peramalan (3)


Komponen kesalahan tidak dapat dihilangkan tetapi dapat diminimalkan. Salah satu metode telah digunakan secara luas adalah least squares. Dalam metode ini prosedur estimasi dilakukan untuk meminimalkan jumlah kuadrat dari kesalahan.

Kriteria Performansi Peramalan


Performansi diukur dari kesalahan peramalan (forecasting error) Cerminan dari akurasi peramalan: semakin kecil kesalahan semakin akurat hasil ramalan Kesalahan peramalan (et): deviasi antara observasi aktual (dt) dengan nilai ramalannya (dt) atau et = dt dt Karena observasi aktual pada saat peramalan belum ada maka kesalahan dihitung pada data historis (observasi aktual historis vs nilai ramalan periode historis)

Contoh
Seorang manager supermarket ingin mengetahui berapa nilai yang dibelanjakan oleh pelanggan, berdasarkan data yang diambil secara acak didapatkan sesuai tabel. Manager menentukan estimasi secara acak untuk mendapatkan kesalahan terkecil, misalnya 7, 9, 10, 12.
Pelanggan
1 2 3 4 5 6 7

Nilai belanja ($)


9 8 9 12 9 12 11

8
9 10 11 12

7
13 9 11 10

Nilai estimasi 7 Pelan ggan Nilai belanja Error Square d error

Nilai estimasi 9 Error Square d error

Nilai estimasi 10 Error Square d error

Nilai estimasi 12 Error Square d error

1 2 3 4

9 8 9 12

2 1 2 5

4 1 4 25

0 -1 0 3

0 1 0 9

-1 -2 -1 2

1 4 1 4

-3 -4 -3 0

9 16 9 0

5
6 7 8 9

9
12 11 7 13

2
5 4 0 6

2
25 16 0 36

0
3 2 -2 4

0
9 4 4 16

-1
2 1 -3 3

1
4 1 9 9

-3
0 -1 -5 1

9
0 1 25 1

10
11 12

9
11 10

2
4 3

4
16 9 144 12

0
2 1

0
4 1 48 4

-1
1 0

1
1 0 36 3

-3
-1 -2

9
1 4 84 7

SSE (sum of suared error) MSE (mean squared error

Ukuran Kesalahan Peramalan


Mean Square Error (MSE) 2
MSE t 1

Error percentage
d' d ) x100% PE ( d
t t t t

(d t d 't)
n

Standard Error of Estimate (SEE)


SEE

(d t d 't)
n t 1

(n f )

f = degree of freedom - 1 untuk pola data konstan - 2 untuk pola data trend - 3 untuk pola data siklis

Latihan
Perhatikan tabel jumlah penjualan tas tradisional dari sebuah pengusaha kecil di sebelah ini: a) Tentukan MSE dengan uji coba nilai estimasi berturut-turut 90, 95, 100, 105, 110. b) Nilai estimasi mana yang memberikan MSE terkecil?

Tahun 1980 1981 1982

Jumlah 98 100 107

1983
1984 1985 1986 1987 1988 1989 1990 1991 1992 1993

90
92 100 98 112 120 100 98 92 95 100

1994

98

Verifikasi Peramalan
Dilakukan untuk memeriksa apakah hasil peramalan sudah betul Menggunakan teknik moving range chart

Plot nilai (dt-dt) pada grafik


region A region B region C

UCL

center line

LCL

Kondisi di luar kendali jika: 1. Ada titik di luar UCL atau LCL 2. Dari 3 titik plot berturutan 2 titik berada pada region A ( 1.77 MR) 3. Dari 5 titik plot berturutan terdapat 4 titik berada pada region B ( 0.89 MR) 4. Ada 8 titik plot berturutan berada pada bagian atas atau bawah garis tengah (region C)

region A

region B

region C

OUT OF CONTROL !!!


Periksa apa yang terjadi pada kondisi out of control pabrik off ? Sales problem ? .
Jika jelas penyebab; hasil ramalan bisa dipakai

Jika tidak: bisa tunggu bukti baru. Kembali in control pakai terus. Terjadi lagi out of control pikirkan ganti metode peramalan

Bisa juga langsung mengganti metode peramalan..

Penutup
Peramalan merupakan langkah awal dalam perencanaan Berfungsi mendapatkan nilai perkiraan sepanjang periode perencanaan Perkiraan tersebut menjadi referensi dalam menyusun rencana kerja sesuai ketersediaan sumber daya perusahaan Peramalan yang diperoleh tepat waktu sangat menolong proses perencanaan Perlu juga diperhatikan biaya untuk mengumpulkan data serta manfaat dari perencanaan yang diperoleh Selalu diliputi kesalahan karena itu kemudian perlu up-dating data sebagai bentuk pengendalian