Forecasting 3
Forecasting 3
PERAMALAN
DEFINISI :
Seni dan ilmu untuk memprediksi kejadian dimasa
depan dengan menggunakan data historis dan
memproyeksikannya kemasa depan dengan
beberapa bentuk model seperti model matematis
ataupun mencakup kombinasi model matematis
yang disesuaikan dengan penilaian yang baik oleh
manajer.
HORIZON WAKTU :
1. Peramalan Jangka Pendek < 6 bulan
- Merencanakan Pembelian
- Penjadwalan Kerja
- Penentuan Jumlah Tenaga Kerja
- Penentuan Tingkat Produksi
JENIS-JENIS PERAMALAN
1.
2.
3.
Pemprosesan, Ketersediaan
Mesin, Peralatan/perlengkapan baru.
METODE PERAMALAN
1.
METODE KUANTITATIF
Model Matematis
Data Historis atau variabel kausal untuk
meramalkan permintaan.
2.
METODE KUALITATIF
Metode Kualitatif:
1. Teknik Delphi Prakiraan dikembangkan oleh panel ahli,
menjawab sederetan pertanyaan secara bergiliran, respon tanpa
nama merupakan umpan balik bagi setiap giliran untuk semua
peserta. Tiga sampai enam giliran dapat dilakukan untuk
memperoleh prakiraan yang konvergen.(FGD)
Metode Kuantitatif
1. Simple Average (Rata-rata Mudah)
Rata-rata Mudah = Jumlah Permintaan Masa Lalu
jumlah jangka waktu
= P1 + P2 ++Pn
n
Contoh :
Permintaan meja makan bagi suatu perusahaan prabot
dalam enam bulan yang lalu sbb:
Bulan
Juli
Agst
Sept
Okt
Nov
Des
Permintaan
25
31
20
40
29
35
25 + 31 + 20 + 40 + 29 + 35
Rata-rata Mudah =
6
= 30 unit
Oleh karena itu perusahaan perlu merancang untuk memasok
sebanyak 30 unit setiap bulan
Contoh:
Permintaan TV setiap bulan dalam satu tahun yang lalu adalah :
Bulan
Permintaan
50
60
55
65 45 65 70 80 75 90
80 85
Penyelesaian
1. Rata-rata bergerak 3 bulan untuk data tersebut adalah sbb:
Contoh:
Pihak manajer perusahaan TV dalam contoh yang lalu ingin membuat ramalan
permintaan bagi bulan Januari dengan menggunakan teknik rata-rata bergerak
berpemberat 3 bulan bagi data terakhir. Pemberat yang dianggap sesuai bagi
bulan Desember, November, Oktober, masing-masing adalah: 0.5, 0.3, 0.2.
Hitunglah ramalan pada bulan januari !
Penyelesaian :
WMA 3 bln = 90 (0.2) + 80 (0.3) + 85 (0.5)
= 18 + 24 + 42.5
= 85 Unit.
Oleh karena itu permintaan untuk bulan Januari adalah 85 Unit.
Contoh:
Sebuah perusahaan telah menggunakan metode exponential
smoothing untuk meramal permintaan bulanan bagi setiap produknya.
Ramalan bulan Desember bagi sejenis produk adalah 100 unit.
Permintaan sebenarnya pada bulan Desember diketahui sebanyak 95
unit. Oleh karena permintaanya agak stabil dari waktu ke waktu pihak
manajer menggunakan nilai yang rendah yaitu 0.2. Hitunglah
Permintaan untuk bulan Januari tahun depan !
Penyelesaian :
Tn = Tn-1 + (Pn-1 Tn-1)
Dimana: Tn
= Ramalan Untuk bulan Januari akan datang
Tn-1 = 100, Ramalan untuk bulan Desember
Pn-1 = 95, Permintaan sebenarnya bulan Desember
= 0.2
Oleh karena itu,
Tn = 100 + 0.2 (95 100)
= 100 + 0.2 (-5)
= 100 1
= 99 unit.
Juli
Agust
Sept
Okt
Nov
Des
Permintaan
45
40
60
55
70
85
Permintaan
Ramalan
= 0.2
= 0.7
Juli
45
40.0
40.0
Agustus
40
41.0
43.5
September
60
40.8
41.1
Oktober
55
44.6
54.3
November
70
46.7
54.8
Desember
85
51.4
65.4
FORECAST ERRORS
1.
MAD = Dt Ft
n
2. Bias
Penjumlahan secara aritmatik semua kesalahankesalahan yang akan menunjukkan adanya bias dalam
metode peramalan
Bias = (Permintaan sebenarnya Permintaan yang diramal )
Periode Waktu
KAUSALITIK
REGRESI
y = a + bx
y = Peramalan Permintaan
x = Variabel Bebas (Independent Variable)
a = Perpotongan dengan sumbu y (Intercept)
b = Derajad Kemiringan (Slope)
r = The Coefficient Of Determination
r = [ n xi yi ( xi) ( yi) ]
[ n xi - (xi) ] [ n yi - (yi) ]
r = 0.8
Artinya : 80 % variasi pada y diduga
(predicted) atau dijelaskan oleh
garis Regresi dengan x, 20 %
peluang di luar x.