FORECASTING

Dian Sulistyarini
PENGERTIAN
Peramalan adalah suatu perkiraan tingkat
permintaan yang diharapkan untuk suatu
produk atau beberapa produk dalam
periode waktu tertentu di masa yang akan
datang.

* Sebagai masukan dalam keputusan perencanaan dan pengendalian produksi

 KEGUNAAN
1. Menentukan apa yang dibutuhkan untuk perluasan pabrik (peramalan fasilitas)
2. Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk
dikerjakan dengan fasilitas-fasilitas yang ada ( ramalan perencanaan produksi
dan produk )
3. Menetukan penjadwalan jangka pendek produk-produk yang ada untuk
dikerjakan berdasarkan peralatan yang ada ( ramalan perencanaan produksi
dan produk )
Karakteristik Peramalan Yang Baik
Akurasi
Biaya
Kemudahan
Pendekatan Umum Dalam Peramalan Secara
Statistik
Hal-hal yang diperlukan dalam membuat peramalan
secara statistik :

a. Membuat suatu gambaran permintaan waktu (ploting data

permintaan), dimana permintaan sebagai ordinat ( X ) dan waktu
absis ( Y ).
b. Menentukan model peramalan yang digunakan.
c. Menilai kesalahan peramalan yang diperkirakan (MAD, MSE, MAPE)
d. Membuat verifikasi dan pengendalian peramalan ( MR Chart )
e. Membuat suatu keputusan untuk menggunakan teknik/model
peramalan tertentu berdasarkan pertimbangan yang ada (perkiraan
nilai kesalahan peramalan yang terkecil dan hasil verifikasi model
peramalan)
ANALISIS DERET WAKTU (TIME SERIES)
Analisis deret waktu didasarkan pada asumsi bahwa
deret waktu tersebut terdiri dari komponen-
komponen :
- Tren (T)
- Siklus ( C )
- Pola Musiman/Season (S) dan
- Variasi Acak/Random (R )
yang akan menunjukkan suatu pola tertentu.
Metode Intrinsik
Berdasarkan pada proyeksi permintaan historis
tanpa mempertimbangkan faktor-faktor
eksternal yang mempengaruhi besarnya
permintaan.

1. Moving average
2. Double Moving Average
3. Weighted Moving Average
4. Single Exponential Smothing
5. Double Exponential Smoothing
 Moving Average
Diperoleh dengan merata-rata permintaan berdasarkan data
masa lalu yang terbaru.

Secara matematis MA akan dinyatakan dalam persamaan sebagai berikut :

Ft = At + At-1 + ….. + At-(n-1)

n

Ket :
At = Permintaan Aktual pada periode – t
n = banyaknya data permintaan yang dilibatkan dalam perhitungan MA
Ft = peramalan permintaan pada periode - t
Penentuan berapa nilai n yang tepat adalah hal yang
penting dalam metode ini. Semakin besar nilai n, maka
semakin halus perubahan nilai MA dari periode ke
periode. Bila permintaan berubah secara signifikan
dari waktu ke waktu, maka ramalan harus cukup
agresif dalam mengantisipasi perubahan tersebut,
sehingga nilai n yang kecil akan lebih cocok dipakai
Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan merupakan ukuran
kesalahan peramalan yaitu tingkat perbedaan antara
hasil peramalan dengan permintaan yang sebenarnya
terjadi.
a. Mean Absolute Deviation (MAD)
b. Mean Square Error (MSE)
c. Mean Forecast Error (MFE)
d. Mean Absolute Percentage Error (MAPE)
Mean Absolute Deviation
Merupakan rata-rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan
lebih besar atau lebih kecil dibandingkan kenyataannya.
Secara matematis MAD dirumuskan sebagai berikut :

∑ I At – Ft I
MAD =
n
Mean Square Error
Dihitung dengan menjumlahkan kuadrat semua
kesalahan peramalan pada setiap periode dan
membaginya dengan jumlah periode :

∑ ( A t – F t )2
MSE =
n
Mean Forecast Error
Sangat efektif untuk mengetahui apakah hasil
peramalan selama periode tertentu terlalu tinggi atau
terlalu rendah, dihitung dengan menjumlahkan semua
kesalahan peramalan selama periode peramalan dan
membaginya dengan jumlah periode peramalan :

∑ ( At – Ft )
MFE =
n
Mean Absolute Percentage Error
Merupakan ukuran kesalahan relatif. MAPE
menyatakan persentase kesalahan hasil peramalan
terhadap permintaan aktual selama periode tertentu
yang akan memberika informasi persentase kesalahan
terlalu tinggi atau terlalu rendah:

At – F t
MAPE = (100/n) ∑
At
Verifikasi dan Pengendalian Ramalan
Langkah selanjutnya pemeriksaan hasil peramalan, jika
selama proses pemeriksaan ditemukan keraguan validitas,
harus dicari metode lain yang lebih cocok.
Validitas dilakukan dengan uji statistika, yang paling
mudah dengan menggunakan MR Chart / Moving Range
Chart
MR = (Ft – At ) – (Ft-1 – At-1)
Verifikasi dan Pengendalian Ramalan
Rata-rata Rentang Bergerak :

MR = ∑ MR
n–1

Batas-Batas Kontrol :
UCL = + 2.66 MR

LCL = - 2.66 MR
Pengujian Kondisi Tidak Terkendali
Untuk maksud pengujian ini, peta MR dibagi ke dalam 6
daerah dengan lebar yang sama.

Daerah A = ± 2/3 (2.66 MR ) = ± 1.77 MR

Daerah B = ± 1/3 (2.66 MR ) = ± 0.89 MR

Daerah C = Terdiri dari bagian di atas dan di

bawah garis tengah

Pengujian untuk suatu kondisi tidak terkendali :

1. Dari 3 titik yang berurutan, 2 titik atau lebih terdapat pada salah satu daerah A
2. Dari 5 titik yang berurutan, 4 titik atau lebih terdapat pada salah satu daerah B
3. Terdapat 8 titik yang berurutan pada salah satu sisi dari garis tengah
Contoh Soal
Permintaan suatu produk selama tahun 2010 adalah sebagai
berikut :
No. Bulan Permintaan No. Bulan Permintaan

1 Januari 450 7 Juli 475

2 Februari 440 8 Agustus 560

3 Maret 460 9 September 510

4 April 510 10 Oktober 520

5 Mei 520 11 November 540

6 Juni 495 12 Desember 550

Buatlah peramalan permintaan produksi tersebut untuk

tahun 2011
150

( Ft - At ) (n = 3 ) UCL = LCL = A A B B

100

50

-
1 2 3 4 5 6 7 8 9

(50)

(100)

Pengujian untuk suatu kondisi tidak terkendali :

1. Dari 3 titik yang berurutan, 2 titik atau lebih terdapat pada salah satu daerah A
(150) 2. Dari 5 titik yang berurutan, 4 titik atau lebih terdapat pada salah satu daerah B
3. Terdapat 8 titik yang berurutan pada salah satu sisi dari garis tengah