PERAMALAN PERMINTAAN
Disusun oleh :
Bela Rosida Rakhim 125020205111006
Rifiana Nengtiyas
125020205111009
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
MALANG
2014
kendala satu asat kondisi tertentu. Hasil maksimal dari suatu kegiatan
system
Input--------------cause and effects relationship------------uotput
Random effects
PROSEDUR PERAMALAN
Tahap-tahap dalam studi kelayakan proyek :
1. analisis ekonomi yakni yang mengadakan proyeksi terhadap aspek-aspek
makro terutama aspek kependudukan dan pendapatan.
2. analisis industri yakni analisis terhadap permintaan pasar dari seluruh
perusahaan yang menghasilkan produk sejenisdari produk yang diusulkan
dalam study kelayakan proyek.
3. analisis penjualan masa lalu yakni dilakukan untuk melihat market
positioning produk dalam stuktur persaingan dan dapat diketahui
Contoh soal:
Produksi jeans kota bandung tahun 2004 adalah 1.500.000, dan produksi jeans
yang masuk ke kota bandung dari kota lain adalah 350.000, bandung
memasarkan sandalnya ke kota lain sebesar 750.000 dan selisih persediaan
adalah 100.000, maka permintaan efektif di masa mendatang dapat diukur
dengan rumus sbb:
PE = 1.500.000 ( 350.000 750.000) + 100.000 = 1.000.000
3. metode rasio rantai yakni metode yang menghitung permintaan efektif
dengan cara membagi dalam komponen-komponen yang lebih kecil dari
suatu mata rantai urutan dari variable yang berpengaruh terhadap produk
yang bersangkutan.
Permintaan Efektif : JP x X1 x X2 x X3 x Ip
Jp = Jumlah penduduk suatu wilayah
X1 = Konsumsi
X2 = Rata-rata Konsumsi
X3 = Rata-rata Konsumsi
Ip = Income per kapita
Contoh soal:
Jp = 1.000.000 orang, X3 = 5 %, X1= 50 % Ip = Rp. 20.000,- dan X2= 10
% dari konsumsi
PE = 1.000.000 x Rp. 20.000 x 50% x 10% x 5% = 50.000.000
a +
bX
Di mana pada metode ini juga di bagi lagi menjadi beberapa bagian yaitu :
1. metode least square
pada awal data yang tersedia adalah mempunyai kecenderungan berbentuk
garis lurus . dan dapat di formulasikan sebagai berikut :
a +
bX
Dimana :
Y
dan
B = XY
X2
contoh soal:
seorang pengusaha akan membuka pabrik sikat di kota A dgn target pasar kota
tersebut. Untuk itu pengusaha tsb ajan memproyeksikan permintaan sikat tahun 2011.
Data historis yg dikumpulkan dari thn 2000 s.d. tahun 2010 adalah sbb :
Tahun
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Total
Periode
-5
-4
-3
-2
-1
0
1
2
3
4
5
0
Permintaan
85
90
94
98
104
108
114
116
118
122
126
1175
XY
-425
-360
-282
-196
-104
0
114
232
354
488
630
451
a = 1175/11 = 106,818
b = 451/110 = 4,100
PERSAMAAN trend least squarenya sbb :
Y = a+bX
X2
25
16
9
4
1
0
1
4
9
16
25
110
mempunyai
kecenderungan
berbentuk
garis
lurus
di
mana
persamaannya adalah :
Y
a +
bX
.
Dimana :
Y
Contoh soal:
PT. Maju Jaya
Untuk data Ganjil
No
Tahun
1
2
3
4
5
6
7
8
9
10
11
Jumlah
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
11
permintaan
(Y)
15000.00
16000.00
17000.00
17500.00
18000.00
18500.00
18500.00
19000.00
19250.00
19500.00
19750.00
198000.00
0.00
1.00
.4.00
9.00
16.00
25.00
36.00
49.00
64.00
81.00
100.oo
385.00
XY
0.00
16000.00
34000.00
52500.00
72000.00
92500.00
111000.00
133000.00
154000.00
175500.00
197500.00
1038000.09
Selanjutnya dari ,tabel diatas untuk nilai x atau nilai prediksi adalah dimulai
dari 0 (nol) dan selanjutnya bebas menggunakan intervalnya. Misalkan interval 1
(satu), berarti setiap kenaikan dan penurunan periode adalah +/-1 (satu). Selanjutnya
untuk mencari nilai a dan b serta persamaannya, maka lanjutkan dengan cara
memasukkan nilai-nilai kedalam persamaan I dan persamaan II, yaitu sebagai
berikut:
Persamaan I : Y = n.a + b x
Persamaan II : XY = a x + b x2
Keterangan:
Y = Variabel yang akan diramalkan
a = Konstanta
b = Variabel per X
X = Unit waktu/periode
Persamaan I : 198000 = (11) a + b (55)
Persamaan II : 1038000 = a (55) + b (385)
Untuk lebih jelasnya kita susun angka tesebut agar kelihatan benar
(variabelnya), sebagai berikut:
198000 = 11a + 55b
1038000 = 55a +385b
Dari dua persamaan tersebut diatas maka kita perlu untuk mencari salah satu
harga/nilai, misalkan a atau b. Jika kita akan mencari nilai b maka nilai a harus
disamakan, dan sebaliknya jika kita akan mencari nilai a harus disamakan dulu
dengan cara mengalikan dengan angka pengali. Dari contoh diatas, misalkan kita akan
mencari nilai b maka a harus kita samakan dulu dengan mengalikan persamaan I
dengan 5, agar nilai 11 menjadi 55 (diperoleh dari 11 x 55) sehingga:
198000 = 11a + 55b dikalikan 5
1038000 = 55a + 385b dikalikan 1
Maka:
99000 = 55a + 275b
1038000 = 55a + 385b - (dikurangi)
-48.000 = -110b
b = -48000/-110
b = 436,36
Selanjutnya kita cari besarnya nilai a dengan cara memasukkan nilai b
kedalam persamaan, boleh persamaan I ataupun persamaan II. Isalkan kita masukkan
pada persamaan I, adalah sebagai berikut:
198000 = 11a + 55b
Nilai b kita ganti dengan 436.36
198000 = 11a + 55 (436,36)
198000 = 11a + 24000
198000 = 11a + 24000
11a = 198000 24000
11a = 174000, maka
a = 174000/11
a = 15818.18
Jadi, persamaan metode momentnya adalah:
Y = 15818.18 + 436,36X
Jika perusahaan akan meramalkan untuk tahun 1999 dan tahun 2000 maka
nilai prediksinya (X) akan meningkat sesuai dengan intervalnya. Yaitu dari 10
menjadi 11 untuk tahun 1999 dan 2000 nilai prediksinya adalah 12, tahun 2001 adalah
13 dan seterusnya.
Maka ramalan permintaan untuk tahun 1999:
Y99 = 15818.18 + 436.36 (11)
Y99 = 15818.18 + 4800.00
Y99 = 20618.18 dibulatkan menjadi 20619 unit
Maka ramalan permintaan untuk tahun 2001:
Y01 = 15818.18 + 436.36 (12)
Y01 = 15818.18 + 5672.73
Y01 = 21490.91 dibulatkan menjadi 21491 unit
Ramalan permintaan tahun sebelumnya misalkan tahun 1987 adalah:
Y87 = 15818.18 + 436.36 (-1)
Y87 = 15818.18 + (- 436.36)
Y87 = 15381.82 dibulatkan menjadi 15382 unit.
a + bX
Jumlah seluruh data di atas yakni 4 data (Genap). Oleh karena itu analisis data
dilakukan dengan cara sebagai berikut:
Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap
langsung dibagi dua yang masing-masing kelompok terdiri dari 2 data
(Genap).
Menentukan periode dasar. Misalnya diasumsikan periode dasar
menggunakan tahun tengah data tahun kelompok I sehingga periode dasar
terletak antara tahun 2003 dan tahun 2004.
4. Metode Kuadratik
Metode kuadratik adalah metode merupakan trend non linier dan jika kita
gambar berbentuk garis melengkung. Sedangkan persamaan dari bentuk metode
kuadratik adalah :
Y = A + BX + Cx2
Di mana :
Y
a
log a =
log Y
dan
log b = =
log Y
X2
Contoh soal:
Data penjualan PT Bintang selama beberapa tahun adalah sebagai berikut
(data dalam ribuan):
Penjualan PT Ikhlas
Tahun
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
Penjualan
150
160
170
190
210
230
244
255
260
270
270
270
270
270
272
1. Metode Regresi-Korelasi
Dalam rangka menyusun peramalan penjualan produk
perusahaan
berpengaruh pada terjadinya variable yang lain atau variable yang terikat.
Sedangkan persamaannya adalah ;
Y = A + BX
Dimana:
X = variable bebas
Y = variable terikat
A = bilangan konstan
B = koofisien regresi
A = (Y)
N
B (Y)
N
Setelah persamaan regresi lalu dilakukan uji kemaknaan dengan alat uji Ftest
yaitu:
Contoh soal:
Data penjualan mie atom tahun 2006:
Seperti pada analisa regresi linier sederhana, pada analisa regresi linear berganda ini
juga perlu dilakukan uji kemaknaan dengan Ftest, yaitu:
Transformasi logaritma
Analisa regresi adalah hubungan variabel yang dapat diselesesaikan
hanya hubungan yang bersifat liniear. Jika terdapat hubungan variabel
yang tidak linear misalnya variabel kuadratik, maka jika kita hendak
menyelesaikan analisa tersebut dengan metode regresi langkah pertama
yang dilakukan adalah mentransformasikan ke dalam hubungan liniear.
Beberapa hubungan yang tidak liniear dapat ditransformasikan ke
dalam hubungan liniear atau secara inheren hubungan tersebut liniear,
adalah:
a) bentuk semilog
b) bentuk logaritma
c) bentuk polynomial
d) bentuk reciprocal
e) bentuk double/S
contoh fungsi persamaan logaritma:
Z = ABx
Lalu melakukan transformasi persamaan tersebut ke dalam persamaan
liniear yakni dengan cara:
Z = ABx
Log Z = log A + X log B
Jika log Z = Y
log A = a
log B = b
maka persamaannya menjadi
Y= a + bX
PENGAWASAN PERAMALAN
Jika misalnya terjadi penyimpangan dari batas-batas yang dapat ditolerir,
maka perusahaan dapat melakukan salah satu diantara dua tindakan berikut:
a. Menggunakan teknik peramalan lain yang lebih baik, artinya yang
dapat memperkirakan keadaan pada waktu yang akan datang.
b. Melakukan perubahan terhadap batas toleransi hasil peramalan, artinya
jarak atau batas toleransinya diperlebar sehingga dapat menampung
penyimpangan yang terjadi, selama hal tersebut tidak merugikan
perusahaan.
Beberapa patokan berikut ini dapat digunakan untuk melakukan
pengawasan peramalan, yakni:
A. kuadrat terkecil
dapat di formulasikan :
kuadrat terkecil = ( Y Y )2
B. metode kesalahan absolut rata-rata (MAD)
Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari
kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur
ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masingmasing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit
yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan menggunakan
rumus sebegai berikut.
dapat diformulasikan sebagai berikut :
di mana :
MAD = Y Y
: Data riil
Y : Data peramalan
N
I I
: harga Mutlak
Contoh soal:
MAD
n
53,39
11
4,85
RMSE =
(Y Y )2
N
Di mana
RMSE = Rood Mean Squared Error
Y
= Data riil
= Data Ramalan
Ft
r = koefisien korelasi
Y = data riil
Y = data peramalan
Y = means data riil
E. sering juga digunakan pengawasan teknik peramalan dengan cara control limit,
yakni ditentukan batas-batas (upper control limits) dan batas bawah (lower control
limits). Jika selisih antara nilai riil dan nilai peramalan pada masing masing
waktu/tahun berada dalam range upper dan lower control limits maka teknik
peramalan yang digunakan dapat dipertanggungjawabkan.
F. Tracking Signal
Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal adalah
suatu ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai
aktual. NilaiTracking Signal dapat dihitung dengan menggunakan rumus sebegai
berikut.
Tracking signal yang positif menunjukan bahwa nilai aktual permintaan lebih besar
daripada ramalan, sedangkan tracking signal yang negatif berarti nilai aktual
permintaan lebih kecil daripada ramalan. Tracking signal disebut baik apabila
memiliki RSFE yang rendah, dan mempunyai positive error yang sama banyak
atau seimbang dengan negative error, sehingga pusat dari tracking
signal mendekati nol. Tracking signal yang telah dihitung dapat dibuat peta kontrol
untuk melihat kelayakkan data di dalam batas kontrol atas dan batas kontrol
bawah.