BAB 2
LANDASAN TEORI
2.3 Peramalan
Chopra & Meindl (2010) menyatakan bahwa peramalan permintaan
merupakan landasan dari segala proses perencanaan dalam supply chain.
Kemampuan untuk melakukan perencanaan dengan tepat merupakan sebuah
kemampuan yang penting yang harus dimiliki oleh perusahaan untuk
mengintegrasi proses internal dan external supply chain.
Menurut Chopra & Meindl (2010), perusahaan dan supply chain
manager harus dapat mengetahui karakteristik dari peramalan:
1. Peramalan (forecast)selalu tidak akurat dan harus menyertakan nilai yang
diperkirakan dalam sebuah peramalan dan memperkirakan kemungkinan
peramalan yang dibuat melakukan kesalahan atau nilai yang diramalkan
meleset dari nilai yang sesungguhnya. Kesalahan dalam peramalan
merupakan kunci dalam setiap proses supply chain.
2. Peramalan jangka panjang umumnya lebih tidak akurat jika dibandingkan
dengan peramalan jangka pendek. Karena, peramalan jangka panjang
memiliki nilai standar deviasi yang lebih besar dibandingkan dengan
peramalan jangka pendek.
3. Peramalan Aggregate pada umumnya lebih akurat jika dibandingkan dengan
peramalan disaggregate. Peramalan aggregate cenderung memiliki nilai
standar deviasi yang lebih rendah.
Sebuah perusahaan harus mengetahui dan mendalami metode-metode
peramalan. Metode peramalan diklasifikasikan beberapa jenis sebagai berikut:
1. Metode kualitatif
MenurutRender, Stair, & Hanna (2012), metode kualitatif
menggabungkan penilaian atau faktor yang bersifat subjektif kedalam suatu
8
Dimana:
F(t+1)= peramalan untuk periode t+1
n = banyaknya periode untuk menghitung moving average
Ai = permintaan pada periode i
2. Simple Exponential Smoothing
Menurut Wisner, Tan, & Leong (2012), peramalan exponential
smoothing merupakan peramalan yang memerlukan data yang lebih sedikit
dibandingkan dengan moving average karena hanya memerlukan dua data.
Karena kemudahannya dan persyaratan data yang sedikit, metode ini
merupakan metode yang paling sering digunakan oleh masyrakat luas.
Menurut Chopra & Meindl (2010), berikut rumus untuk simple exponential
smoothing.
Dimana:
Ft : peramalan untuk periode t
Dt: Permintaan untuk periode t
α : smoothing constant (0<α<1)
3. Trend-Corrected Exponential Smoothing
Menurut Chopra & Meindl (2010),Trend-corrected exponential
smoothing(holt’s model)adalah sebuah metode yang baik digunakan jika
permintaan memiliki sebuah trend dan level akan tetapi bukan tren dan level
dalam jangka panjang (seasonal).
dan
Setelah mengetahui permintaan untuk periode t, praktikan melakukan
estimasi untuk level,dan tren sebagai berikut(Chopra & Meindl, 2010):
Dimana:
n = banyaknya kesalahan dalam perhitungan
2. MSE (Mean Square Error)
Cara lain untuk mengukur tingkat akurasi ramalan selain MAD, dan
yang paling sering digunakan adalah MSE(Mean Square Error).
Dimana:
Dt = Permintaan pada periode
4. Tracking Signal
Merupakan salah satu cara untuk mengetahui seberapa baik ramalan
yang telah dilakukan dibandingkan dengan nilai yang sebenarnya.
persediaan lebih kecil atau sama dengan nilai reorder point, maka pemesanan
harus dilakukan dengan jumlah yang tetap. Terdapat rumus yang digunakan
dalam metode Q,R, yaitu:
1. Tingkat permintaan selama periode lead time ( dan permintaan rata-rata
perbulan (
4. Perhitungan F(R1)
6. Perhitungan n(R1)
n(R) = σL(z)
Dimana: L(z)= nilai konversi dari nilai z pada tabel Z-chart&Loss
Function
8. Safety stock
s=R-µ
14
CI =
rumus: CR =