PERAMALAN PERMINTAAN
1.1 TUJUAN
Tujuan pemberian tugas pada modul ini adalah sebagai berikut :
1. Mahasiswa dapat memilih metode peramalan yang tepat.
2. Mahasiswa dapat meramalkan permintaan masa mendatang.
ft fˆ t
MAD t 1
m
Mean Square of Error (MSE)
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan
mambaginya dengan jumlah periode peramalan. Secara matematis, maka MSE akan dinyatakan dalam
persamaan sebagai berikut:
m
( ft fˆ ) t
2
MSE t 1
( ft fˆ
t 1
t / ft ) x100%
MAPE
m
Dimana :
ft = data permintaan periode ke-t
Lakukan peramalan dengan menggunakan metode Single Exponential Smoothing (SES) α = 0,1.
Berdasarkan hasil perhitungan MAPE, metode peramalan apa yang lebih baik untuk digunakan?
Langkah-langkah pengoperasian dengan menggunakan software WinQSB sebagai berikut:
1. Buka Program WinQSB kemudian pilih Modul Forecasting and Linear Regression
Gambar 1.1 Tampilan Awal dari Modul Forecasting and Linear Regression
2. Pilih Menu File kemudian Klik New Problem untuk membuat sebuah problem atau pengisian data
baru. Klik Load Problem jika ingin memanggil problem/data yang sudah dibuat sebelumnya.
Gambar 1.3 Tampilan Problem Spesification di Modul Forecasting and Linear Regression
Selanjutnya inputkan spesifikasi problem sebagai berikut :
Jenis metode peramalan yang akan digunakan dengan memilih radio button Time series
Forecasting atau Linear Regression,
Nama probem yang akan dibuat pada Problem Title,
Unit waktu yang digunakan (minggu/bulan/tahun) pada Time Unit,
Jumlah periode masa lalu pada Number of Time Units (Periods).
Setelah terisi lengkap tekan tombol OK untuk mengisikan data permintaan historis.
4. Inputkan data permintaan historis pada kolom yang tersedia, seperti ditunjukkan pada Gambar 1.4
Gambar 1.4 Tampilan dari Proses Entry Data
5. Pilih Solve and Analyze dan selanjutnya klik Perform Forecasting atau Klik shortcut
untuk menampilkan Menu Forecasting Setup seperti ditunjukkan pada gambar 1.5. Pada Forecasting
Setup terdapat 4 hal yang harus diinputkan yaitu:
a. Forecasting Method menyatakan metode peramalan yang tersedia di WinQSB. Klik pada radio
button sesuai metode peramalan yang akan digunakan. Terdapat 12 metode peramalan yang bisa
digunakan. Penamaan beberapa metode peramalan sedikit berbeda dengan yang diberikan di
perkuliahan kelas, sebagai contoh Double Exponential Smoothing with Trend (DEST) sama
dengan metode DES browns one parameter linier, SEST sama dengan metode holt’s two
parameter linier, dan Winters Multiplicative Algorithm sama dengan metode winter.
Gambar 1.5 Input pada Menu Forecasting Setup untuk Metode SES
b. Method Parameters : Cara menginputkan parameter α, β, atau yang lainnya sesuai dengan
metode peramalan yang dipilih. Ada 2 cara untuk menginputkan parameter tersebut :
1. Assign value : parameter diinputkan secara manual, sebagai contoh pada metode Single
Exponential Smoothing (SES) maka smoothing constant alpha (α) harus diisi dengan bilangan
antara 0 sampai 1. Pada metode winter, selain α harus menginputkan juga smoothing constant
beta yang memakili trend (pada materi kuliah PPC kita sama dengan ) dan smoothing constant
gamma (pada materi kuliah PPC kita sama dengan β).
2. Search the best : parameter terbaik akan dicari oleh sofware berdasarkan search criterion yang
sudah ditentukan (misalkan MAD, MAPE, MSE)
c. Number of period to forecast : jumlah periode peramalan yang diinginkan.
d. Search criterion : kriteria error yang akan digunakan.
Setelah inputan lengkap, tekan tombol OK untuk menampilkan hasil peramalannya.
6. Analisis hasil peramalan berdasarkan penyelesaian dengan menggunakan Software WinQSB
Dari gambar 1.6, ramalan untuk 3 bulan mendatang adalah 205,11; 205,11; dan 205,11 atau jika
dibulatkan sama dengan 206 untuk 3 bulan mendatang. Dengan menggunakan metode SES α = 0,1
diperoleh MAPE sebesar 24,57%. Nilai tersebut cukup besar sehingga tingkat kesalahan peramalan masih
cukup tinggi. Oleh karena itu harus dicoba untuk merubah-rubah parameter metode SES (dengan nilai α
yang lain) atau menggunakan metode peramalan yang lainnya.
Nilai Tracking Signal (TS) berada diantara -2,5 sampai 1,2. Jika kita menggunakan batas kendali +
3 MAD maka nilai TS sudah terkendali artinya metode SES α = 0,1 sudah cukup representatif/sesuai.
Gambar 1.7 menunjukkan bahwa deviasi antara permintaan dengan hasil peramalan masih cukup besar
pada tiap periodenya.
7. Mencoba metode peramalan yang lainnya. Langkah awal kita harus kembali ke inputan data dengan
melalui Menu Window atau klik shortcut .
a. Menggunakan fasilitas search the best pada penginputan parameter metode SES untuk
mendapatkan nilai α yang dapat meminimumkan MAPE (dalam tugas ini, kriteria kesalahan
peramalan yang lebih dipilih adalah MAPE). Gambar 1.8 menunjukkan hasil peramalan tersebut.
Besarnya ramalan untuk 3 bulan mendatang adalah sama sebesar 200 dengan nilai MAPE adalah
23,64%.
Gambar 1.8 Hasil Peramalan dengan Metode SES Menggunakan Fasilitas Search the Best
b. Menggunakan metode regresi linier/trend linier. Inputan yang perlu diisi cukup jumlah periode
peramalan yaitu 3. Sedangkan nilai a (intercept) dan b (slope) boleh dikosongi karena software
WinQSB akan menghitung secara otomatis jika keduanya tidak diketahui. Hasil inputan dengan
metode LR dapat dilihat pada gambar 1.9 dan hasil peramalan pada gambar 1.10.
Gambar 1.9 Entry inputan pada Menu Forecasting Setup untuk Metode Linier Regresi
Gambar 1.10 Hasil Peramalan dengan Metode Linier Regresi untuk Contoh Kasus
1.4 TUGAS
1. PT. Cemara adalah perusahaan manufaktur dengan produk unggulan yaitu sarung. Untuk dapat
merencanakan produksi kedepan, Department Marketing akan melakukan peramalan supaya dapat
memprediksi kebutuhan pasar terhadap sarung dengan catatan historis penjualan sebagai berikut:
4. PT. Indah Darmawangsa ingin mengetahui permintaan pasar untuk produk Gucca selama 6 bulan
kedepan dengan menggunakan data histori pada tahun 2018 dan 2019. Diketahui data historis adalah
sebagai berikut :
Tabel 1.4 Data Permintaan Historis PT. Indah Darmawangsa
Permintaan
Bulan
2018 2019
Januari 1156 1248
Februari 1179 1232
Maret 1165 + X 1255
April 1153 1258
Mei 1159 1267
Juni 1177 123X
Juli 118X 1280
Agustus 1175 1287
September 1200 129X
Oktober 1200 1300
November 121X 1320
Desember 1234 1325 + X
X= Nomer Kelompok
5. PT. Agro Samanta adalah perusahaan yang bergerak dibidang agribisnis dengan produk unggulannya
sari buah jeruk yang dikemas dalam kemasan botol 250 ml. Dengan banyaknya permintaan yang ada
saat ini, perusahaan tidak ingin terjadi kekurangan ataupun kelebihan produksi sehingga kebutuhan
pasar tidak terpenuhi atau bahkan berlebih. Untuk itu, Departemen Marketing melakukan peramalan
permintaan untuk sari buah jeruk dengan data sebagai berikut :
Tabel 1.5 Data historis permintaan PT. Agro Samanta
Permintaan (unit)
Bulan
2018 2019 2020
Januari 3222 2690 2139
Februari 321x 2657 2110
Maret 3070 2615
April 2990 25x9
Mei 2990 2510
Juni 2876 2478
Juli 2847 24x4
Agustus 2820 2370
September 28x9 230x
Oktober 2789 2270
November 272x 22x5
Desember 2700 216x
X= Nomer Kelompok
Berdasarkan data tersebut, lakukan :
a. Plotting data permintaan dan pilih metode yang paling sesuai berdasarkan hasil plotting data tersebut.
b. Lakukan peramalan permintaan untuk periode 6 bulan kedepan dengan perhitungan manual dan
bantuan software WinQSB dengan metode yang sesuai hasil plotting data.
c. Hitung MAPE untuk mengetahui metode mana yang paling sesuai untuk meramalkan permintaan 5
bulan kedepan dan lakukan validasi dengan menggunakan Tracking Signal.
d. Analisa hasil Tracking Signal.
DAFTAR PUSTAKA
Baroto, T., 2002. Perencanaan dan Pengendalian Produksi, UMM.
Fogarty, D.W., John H. B. and Thomas R. H., 1997. Production & Inventory Management, South-Westrn
Publishing Co., Ohio.
Ginting, R. 2007. Sistem Produksi, Graha Ilmu.
Makridakis, S., 1988. Metode dan Aplikasi Peramalan, Erlangga.
Nasution, A.H., 2003. Perencanaan dan Pengendalian Produksi, Guna Widya.