Peramalan
Peramalan
5.1
Pengertian Peramalan
5.2
Metode Peramalan
Tipe Keputusan
Operasional
Taktis
Strategis
Contoh
Perencanaan Produksi,
Distribusi
Penyewaan Lokasi dan
Peralatan
Penelitian dan
Pengembangan untuk
akuisisi dan merger
Atau pembuatan produk baru
Selain rentang waktu yang ada dalam proses peramalan, terdapat juga teknik
atau metode yang digunakan dalam peramalan. Metode peramalan dapat
diklasifikasikan dalam dua kategori, yaitu:
1. Metode Kualitatif
Metode ini digunakan dimana tidak ada model matematik, biasanya
dikarenakan data yang ada tidak cukup representatif untuk meramalkan masa
yang akan datang (long term forecasting). Peramalan kualitatif menggunakan
pertimbangan pendapat-pendapat para pakar yang ahli atau experd di bidangnya.
Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat murah
(tanpa data) dan cepat diperoleh. Sementara kekurangannya yaitu bersifat
subyektif sehingga seringkali dikatakan kurang ilmiah.
Salah satu pendekatan peramalan dalam metode ini adalah Teknik Delphi,
dimana menggabungkan dan merata-ratakan pendapat para pakar dalam suatu
forum yang dibentuk untuk memberikan estimasi suatu hasil permasalahan di
masa yang akan datang. Misalnya: berapa estimasi pelanggan yang dapat
diperoleh dengan realisasi teknologi 3G.
2. Metode Kuantitatif
Penggunaan metode ini didasari ketersediaan data mentah disertai
serangkaian kaidah matematis untuk meramalkan hasil di masa depan. Terdapat
beberapa macam model peramalan yang tergolong metode kualitiatif, yaitu:
a) Model-model Regresi
Perluasan dari metode Regresi Linier dimalan meramalkan suatu variabel
yang memiliki hubungan secra linier dengan variabel bebas yang diketahui
atau diandalkan.
b) Model Ekonometrik
Menggunakan serangkaian persamaan-persamaan regresi dimana terdapat
variabel-variabel tidak bebas yang menstimulasi segmen-segmen ekonomi
seperti harga dan lainnya.
5.3
Prosedur Peramalan
[Y (t ) Y ' (t )]
SEE
i 1
n2
5.4
dimana a = konstanta
Untuk mendapatkan nilai (a) maka dapat didekati melalui turunan kuadrat
terkecilnya (least square) terhadap (a) sebagai berikut:
n
E [Y (t ) a]2
i 1
dE
0
da
2 [Y (t ) a ] 0
diperoleh
i 1
i 1
i 1
i 1
Y (t ) a 0 ; maka Y (t ) na 0
Y (t )
i 1
Sehingga:
Jadi, apabila pola data berbentuk konstan, maka peramalannya dapat didekati
dengan harga rata-rata dari data tersebut.
Ilustrasi 1
Diberikan data permintaan pabrik konveksi PT Garmen Mandiri dari bulan
Januari sampai Juni tahun 2006. Tentukan jumlah permintaan untuk lima bulan
selanjutnya dengan menggunakan model konstan!
Bulan
(t)
Jan
Feb
Mar
Apr
Mei
Jun
Jawaban
Menghitung Konstanta a :
a=
(46 56 54 43 57 56)
52
6
Jadi permintaan untuk bulan Juli sampai dengan November 2006 dapat didekati
dengan harga rata-ratanya (a) yaitu 52 unit.
Y ' (t ) a u cos
2
2
t v sin
t
n
n
.............................................(1)
E [Y (t ) a u cos
i 1
2
2 2
t v sin
t )]
N
N
k
k cos
k sin
cos
N
2
sin
N
0
n
2
N
0
0
2
t
Maka:
n
k' 0
0
n
2
0 1 k cos
0
n
2
n
2
2
t
N
2
k sin N t
0
0 cos
n
2
2
2
t k cos
t 0
N
N
2
k sin N t 0
0
0 sin
n
2
2
2
t k cos
t 0
N
N
2
k sin N t 0
Ilustrasi 2
Diketahui data permintaan produksi chip pada tahun 2005 sebagai berikut:
Bulan
(t)
Jan
Feb
Mar
Apr
Mei
Jun
Jul
Aug
Spt
Oct
Nov
Des
a. Tentukan demand di tahun berikutnya dengan metode peramalan pola data siklis
b. Hitunglah standard error estimate-nya!
0
n
0
2
0
Jawaban:
k=
d -98
-26
-15
-6
9
16
31
-7
10
18
-19
-6
-5
0
h=
t-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
6
1
2
3
4
5
6
7
8
9
10
11
12
78
72
83
92
107
114
129
91
108
116
79
92
93
1176
k'
cos
0
12
98.01 0
19.90 0
0
6
0
0
0
6
0 0
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sept
Oct
Nov
Dec
Total
t
6
sin
hk
130
60
18
-18
-16
0
-7
20
54
-76
-30
-30
105
sin
cos
kcos(t/6) ksin(t/6)
(2t/12) (2t/12)
0.500
0.866
-22.52
-13.00
0.866
0.500
-7.50
-12.99
1.000
0.000
0.00
-6.00
0.866
-0.500
-4.50
7.79
0.500
-0.866
-13.86
8.00
0.000
-1.000
-31.00
0.00
-0.500
-0.866
6.06
3.50
-0.866
-0.500
-5.00
-8.66
-1.000
0.000
0.00
-18.00
-0.866
0.500
-9.50
16.45
-0.500
0.866
-5.20
3.00
0.000
1.000
-5.00
0.00
0.000
0.000
-98.01
-19.90
t
6
0
Maka:
12 0 0
k' 0
0
6 0 1 98.01 6 0 cos
19.90 0 6
0 6
t
6
(7056.72) sin
t
6
3.32 sin
t
6
t
6
12 0
98.01
0 sin
19.90
t
6
0
98.01
6 0
19.90
1432.80 0
Y ' (t ) d k '
t
6
12 0
3.32 sin
t
6
Month
January
February
March
April
May
June
July
August
September
October
November
December
Totals
t
1
2
3
4
5
6
7
8
9
10
11
12
78
Demand
(Y)
72
83
92
107
114
129
91
108
116
79
92
93
1176
Forecast
(Y)
82.20
86.96
94.68
103.29
110.48
114.33
113.80
109.04
101.32
92.71
85.52
81.67
1176
Error
(e)
-10.20
-3.96
-2.68
3.71
3.52
14.67
-22.80
-1.04
14.68
-13.71
6.48
11.33
0
(Y - Y')^2
104.00
15.68
7.18
13.76
12.38
215.21
519.92
1.08
215.50
187.97
42.01
128.37
1463.07
[Y (t ) Y ' (t )]
SEE
i 1
n2
1463.07
12.09
10
E [Y (t ) a b(t )] 2
i 1
i 1
i 1
Y (t ) na b t 0 ...........(1)
n
dE
0 yaitu 2 t[Y (t ) a bt ] 0 diperoleh
db
i 1
tY (t ) a t b t
i 1
i 1
0 ....(2)
i 1
i 1
i 1
n tY (t ) Y (t ) t
i 1
n
n t t
i 1
i 1
n
i 1
i 1
Y (t ) b t
n
(t o t ) 2
( t ) 2
2
t n
1
Prediction Interval = Y(t) t/2SEE 1
n
Ilustrasi 3
Diketahui data pada tahun 2005 pada tabel berikut ini.
(t o t ) 2
( t ) 2
2
t n
Bulan
(t)
Jan
Feb
Mar
Apr
Mei
Jun
Jul
Aug
Spt
Oct
Nov
Des
(2553) (3,05)(78)
192,95
12
b. Untuk menghitung SSE dan Standard Error Estimatenya (SEE) terlebih dahulu
dihitung demand aktual dengan menggunakan persamaan (Y(t)) yang telah
diketahui.
Month Bulan Ke- Demand
Jan
1
199
Feb
2
202
Mar
3
199
Apr
4
208
May
5
212
Jun
6
194
Jul
7
214
Aug
8
220
Sep
9
219
Oct
10
234
Nov
11
219
Dec
12
233
Total
78
2553
Ramalan [Y(t)-Y'(t)]^2
196
9
199
9
202
9
205
9
208
16
211
289
214
0
217
9
220
1
223
121
226
49
230
9
2553
530
[Y (t ) Y ' (t )]
SEE
i 1
t 2
530
7,28
12 2
c. Dari Persamaan : Y(t) = 193 + 3(t), maka untuk satu harga t = 18 diperoleh
Y=247 dengan Standar Error Estimatenya (SEE)= 7.28 dan t/2 = t 0,005 = 3,169
untuk (n 2 = 12 2 =10) derajat bebas.
= 247 (3,169)(7,28)
(t o t ) 2
( t ) 2
2
t
1
(18 6,5) 2
12
(78) 2
650
12
= 247 23,16
(t o t ) 2
( t ) 2
2
t
= 247 (3,169)(7,28) 1
1 (18 6,5) 2
12
782
650
12
= 247 46,32
Yt Yt 1 Yt 2 .... Yt n 1
n
Ilustrasi 4
Diberikan data harga penutupan akhir minggu surat-surat berharga perusahaan
Mandala yang bergerak dalam bidang maskapai penerbangan.
t
Y
1
46
2
56
3
54
4
43
5
57
6
56
7
67
8
62
9
50
10
56
11
47
12
56
Maka Moving Average 3 mingguan (SMA3) terhadap harga penutupan akhir minggu
saham diperoleh dari perhitungan berikut:
Minggu
(t)
1
2
3
4
5
6
7
8
9
10
11
12
Permintaan
(Y)
46
56
54
43
57
56
67
62
50
56
47
56
Contoh perhitungan:
SMAMinggu3
46 56 54
52
3
SMAmin ggu 4
56 54 43
51
3
Sebaliknya untuk CMA, Center berarti rataan antara data sekarang dengan
menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk 3 periode
moving average, maka SMA menggunakan data periode 3 ditambah data
sebelumnya dan data sesudahnya. Didefinisikan sebagai berikut:
CMA t
Yt (( L 1 / 2) ........ Yt ........ Yt (( L 1) / 2
L
Dimana Yt adalah nilai tengah dari interval L data observasi. (L-1)/2 observasi
merupakan data sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Yt = Y5
maka intervalnya dimulai dari Y3 sampai Y7
Ilustrasi 5
Bulan
(t)
Januari
Pebruari
Maret
April
Mei
Permintaan
(Y)
46
56
54
43
57
(CMA5)
51.2
53.2
(CMA8)
55.13
55.4
55.63
Juni
56
57
Juli
67
58.4
Agustus
62
58.2
September
Oktober
November
Desember
50
56
47
56
56.4
54.2
55.63
54.75
56.38
Contoh perhitungan:
CMAMei
54 43 57 56 67
55,4
5
Ft w1 At 1 w2 At 2 ....... wn At n dan wi
n
i 1
Ilustrasi 6
Diketahui data penjualan suatu departement store 4 bulan periode. Kemudian
ingin meramalkan penjualan bulan ke-5 dengan moving average dimana
menggunakan bobot 40% actual sales untuk bulan saat ini (4), 30% untuk 2 bulan
sebelumnya, 20% untuk 3 bulan sebelumnya, dan 10% untuk 4 bulan sebelumnya.
Data penjualannya sebagai berikut:
Month1
100
Month2
90
Month3
105
Month4
95
Month5
?
Y '(t 1) Y1 (1 )Y '(t )
Dengan nilai Y(1) untuk inisial ramalan didekati dengan nilai rata-ratanya ( Y )
Atau
Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang penting
dalam menghasilkan hasil ramalan yang andal. Model Exponential Smoothing
digunakan untuk peramalan jangka pendek.
Ilustrasi 7
Tabulasi data berikut ini merupakan actual sales dalam unit untuk 6 bulan dan
peramalan dimulai dari bulan januari.
Month
Actual Sales
Jan
100
Feb
94
Marc
108
Apr
80
May
68
June
94
Jawaban:
Bulan
January
February
March
April
May
June
July
Total
Actual
Forecast
Sales
(1)
100
80
94
84
106
86
80
90
68
88
94
84
86
542
598
Forecast(II)
Error
80
84
86
90
88
84
86
598
Y ' 2 80 0.2(100 80 ) 84
(Y-Y')^2
20
10
20
-10
-20
10
90
400
100
400
100
400
100
0
1500
MAD
Y (t ) Y ' (t )
t 1
90
15 ;
6
dimana 1 MAD = 0.8 standard deviation diperoleh standar deviation = 12
MAD
Soal Latihan
1. Tebel di bawah ini menunjukkan hasil penjualan televisi oleh 20 kelompok sales
(N) PT SUKSES SELALU. Tiap kelompok sales tersebut terdapat beberapa
orang (x) yang bertugas menawarkan televisi. Hasil data penjualan televisi (y)
diberikan kepada perusahaan setelah semua data-data dari tiap-tiap kelompok
dikumpulkan.
No. X
1
10
2
20
3
30
4
40
5
50
6
60
7
70
8
80
9
90
10 100
Y No. X Y
5 11 110 36
7 12 120 40
10 13 140 51
12 14 150 55
17 15 160 62
19 16 160 65
22 17 160 58
25 18 170 70
28 19 170 74
31 20 170 63
Buatlah:
a. Persamaan regresinya
b. Standar Error Estimatenya
c. Confidence Interval dan Prediction Intervald engan tingkat kepercayaan 95%
dan anggota kelompok sales 35 orang.
2. Zeus Computer Chips.Inc. memproduksi sekitar 186-286 tipe chip. Sejak tiga
tahun yang lalu perusahaan tersebut mengalami penurunan permintaan. Di
bawah ini diberikan data masa lalu permintaannya:
Year
2001
2002
Season
Spring
Summer
Fall
Winter
Spring
Summer
Fall
Winter
Demand
205
140
375
575
275
275
685
965
Year
2003
2004
Season
Spring
Summer
Fall
Winter
Spring
Summer
Fall
Winter
Demand
325
650
275
700
545
425
785
995
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
4 minggu
2.200
2.000
2.300
1.800
1.900
2.800
Past Data
3 minggu
2 minggu
2.400
2.300
2.100
2.200
2.400
2.300
1.900
1.800
1.800
2.100
2.700
3.000
1 minggu
2.400
2.200
2.500
2.000
2.000
2.900
3. Sebuah perusahaan Krupuk Suka Krupuk memasarkan produknya ke warungwarung makanan dan toko-toko. Data di bawah ini adalah data penjualan krupuk
persatuan biji untuk periode 4 minggu yang lalu (Bulan Januari). Krupuk
diproduksi sehari sebelum penjualan yaitu hari Minggu, Selasa, dan Kamis
sedangkan penjualan dilakukan setiap hari Senin, Rabu, dan Jumat untuk setiap
minggunya.
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
Total
4 minggu
100.000
98.000
115.000
313.000
Past Data
3 minggu
2 minggu
110.000
110.000
99.000
100.000
112.000
120.000
321.000
330.000
1 minggu
115.000
95.000
119.000
333.500
Demand
20
22
Mar
Apr
Mei
Jun
Jul
Agt
25
21
24
28
35
40
Demand
11
12
15
12
16
15
Demand
220
200
250
230
240
220
2000
120
280
100
130
210
170
200
150
130
120
230
320
2004
170
220
210
180
200
210
200
220
180
180
210
210