MODUL PERKULIAHAN

MANAJEMEN
RANTAI
PASOK
PERAMALAN PASOKAN

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Ekonomi dan Bisnis Manajemen P31174003 Ignatius Prasetya Aji Wibowo, SE.MM.

05
Abstract Kompetensi
Metode peramalan dalam rantai pasok Mahasiswa diminta untuk memahami
sangat memiliki peran penting, karena dan menjelaskan peramalan dalam
merupakan dasar dari semua rantai pasok
keputusan.
 Pembahasan
Indikator Pembelajaran
Tingkat Kemampuan
Mampu menjelaskan dan membuat Peramalan Pasokan dan Permintaan
Dengan menggunakan metode trend dan regresi linear berganda.

Kriteria & Bentuk

Tugas Mampu mengidentifikasi dan membuat pasokan dan permintaan dengan metode
peramalan.

PERAMALAN (FORECASTING) STATISTIKA DAN CONTOH KASUS

Peramalan
Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang
dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
bahwa peramalan merupakan kegiatan untuk mengetahui nilai variabel yang dijelaskan (variabel
dependen) pada masa akan datang dengan mempelajari variabel independen pada masa lalu,
yaitu dengan menganalisis pola data dan melakukan ekstrapolasi bagi nilai-nilai masa datang.
Metode peramalan kuantitatif dijelaskan Supranto (2000) terdiri dari metode pertimbangan,
metode regresi, metode kecendrungan (trend method), metode input output, dan metode
ekonometrika. Metode kecendrungan (trend method) menggunakan suatu fungsi seperti metode
regresi dengan variable X menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh
kriteria yaitu berkaitan dengan goodness of fit yang menunjukkan bagaimana model peramalan
dapat menghasilkan peramalan yang baik. Selain itu ada tiga kriteria yang perlu untuk
dipertimbangkan, yaitu:
1)      Pola data;
2)      Faktor biaya peramalan; dan
3)      Faktor kemudahan.
Penentuan ketepatan peramalan pada umumnya berdasarkan beberapa metode, yaitu nilai Sidik
Ragam (F-Test), Koefisien determinasi, Kuadrat Tengah Galat (Mean Square Error (MSE), dan
Persentase Galat (Percentage Error (PE)).

Deret Waktu
Deret waktu adalah kumpulan data-data yang merupakan data historis dalam suatu periode waktu
tertentu. Data yang dapat dijadikan deret waktu harus bersifat kronologis, artinya data harus
mempunyai periode waktu yang berurutan. Misalnya data penjualan suatu perusahaan antara
tahun 2006-2011, maka datanya adalah penjualan tahun tahun 2006, tahun 2007, tahun 2008,
tahun 2009, tahun 2010, dan tahun 2011.

Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi
sepanjang waktu secara berurutan. Periode waktu dapat menggunakan tahun, kuartal, bulan,
minggu, hari atau jam. Runtut waktu dianalisis untuk menemukan pola variasi masa lalu.
Analisis deret waktu (time series analysis) dipakai untuk meramalkan kejadian di masa yang
akan dating berdasarkan urutan waktu sebelumnya. Ada beberapa teknik untuk meramalkan
kejadian di masa yang akan datang berdasarkan karakteristik data, misalnya teknik smoothing,
teknik siklus, dan teknik musiman.

Trend
Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat
digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan ekonomi, yang
terbaik adalah untuk melihat trend (atau trend-siklus) sebagai perubahan dengan halus dari waktu
ke waktu.
Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi sederhana seperti
garis lurus sepanjang periode untuk time series yang diamati jarang ditemukan. Seringkali fungsi
tersebut mudah dicocokkan dengan kurva trend pada suatu kurun waktu karena dua alasan, yaitu
fungsi tersebut menyediakan beberapa indikasi arah umum dari seri yang diamati, dan dapat
dihilangkan dari seri aslinya untuk mendapatkan gambar musiman lebih jelas.
 Ada tiga trend yang diigunakan untuk meramalkan pergerakan keadaan pada masa yang akan
datang, yaitu:
1.      Trend Linier
Sering kali data deret waktu jika digambarkan ke dalam plot mendekati garis luruus. Deret waktu
seperti inilah yang termasuk dalam trend linier. Persamaan trend linier adalah sebagai berikut:

 Dengan nilai a dan b diperoleh dari formula:

Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan a adalah nilai intercept
dari Y, artinya nilai Yt akkan sama dengan a jika nilai t = 0. Kemudian b adalah nilai slope,
artinya besar kenaikan nilai Yt pada setiap nilai t. Dan nilai t sendiri adalah nilai tertentu yang
menunjukan periode waktu.

2.      Trend Kuadratik

Jika trend linier merupakan deret waktu yang berupa garis lurus, maka trend kuadratik
merupakan deret waktu dengan data berupa garis parabola.

Trend Kuadratik
 Persamaan untuk trend kuadratik adalah:

Dengan nilai a, b, dan c diperoleh dari:

          
           

3.      Trend Eksponensial

Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau penurunan yang cepat maka
digunakan metode trend eksponensial. Dalam metode ini digunakan persamaan:

Tetapi dalam melakukan perhitungannya, persamaan di atas dapat diubah ke dalam bentuk semi
log, sehingga memudahkan untuk mencari nilai a dan b.

Trend Eksponensial
4.      Memilih Trend Terbaik
Untuk membuat suatu keputusan yang akan dilakukan di masa yang akan datang berdasarkkan
deret waktu diperlukan suatu metode peramalan yang paling baik sehingga memiliki nilai
kesalahan yang cenderung kecil. Terdapat beberapa cara untuk menentukan metode peramalan
mana yang akan dipilih sebagai metode peramalan yang paling baik, diantaranya Mean Square
Error (MSE).
Untuk mencari MSE digunakan rumus sebagai berikut:

Dimana nilai e adalah selisih antara nilai Y dengan peramalan (Yt). Model yang memiliki MSE
paling kecil adalah model persamaan yang paling baik.
 CONTOH KASUS
.............Penjualan Produk X pada tahun 2010 adalah sebagai berikut:
Wakt
Bulan Penjualan
u
1 Januari 1143
2 Februari 1037
3 Maret 857
4 April 757
5 Mei 948
6 Juni 660
7 Juli 683
8 Agustus 809
9 September 1078
10 Oktober 696
11 November 777
12 Desember 672
Jumlah 10117

Tentukan peramalan penjualan pada bulan ke-18 dan bulan ke-25!

Penyelesaian
Dari tabel di atas akan dibuat deskripsi data ke dalam bentuk poligon agar dapat memudahkan
menganalisis data. Berikut ini adalah poligon data dari data hasil penjualan produk X pada tahun
2010:

A.      Tabulasi Data:

 B.       Menentukan Model Persamaan Matematika:
1)      Trend Linier
Dari tabel tabulasi data di atas, maka diperoleh:

Setelah itu masukan nilai a dan b ke dalam persamaan Yt = a + bt , sehingga menjadi sebuah
persamaan trend linier Yt = 843,08+ 13.t.
2)      Trend Kuadratik
 Setelah itu nilai a, b dan c dimasukan ke dalam persamaan Yt = a + bt + ct2 , sehingga
menjadi sebuah persamaan trend kuadratik Yt = 790,65 - 13.t + 1,1.t2.

3)      Trend Eksponensial

 Setelah itu nilai a dan b dari hasil perhitungan di atas dimasukan ke dalam persamaan Yt =
a.bt , sehingga menjadi sebuah persamaan trend eksponensial Yt = 828,58 + 0,99t.

C.       Ketepatan Model Peramalan

1)      Trend Linier
  Yt = 843,08+ 13.t

2016 Manajemen Proyek

10 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
2)      Trend Kuadratik
  Yt = 790,65 + 13.t + 1,1.t2

3)      Trend Eksponensial

  Yt = 828,58 + 0,99t 

2016 Manajemen Proyek

11 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
2016 Manajemen Proyek
12 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Pembahasan
Data pengamatan runtun waktu untuk perubahan hasil penjualan produk X di tahun 2010
setiap bulannya, dapat diketahui bahwa perubahan nilai runtut waktu pengamatan dari bulan
ke bulan jumlahnya cukup bervariasi berupa peningkatan dan penurunan.
Jumlah penjualan tertinggi terjadi pada bulan Januari sebanyak 1143. Penurunan penjualan
tertinggi terjadi pada bulan Juni sebanyak 660. Keterangan tersebut memperlihatkan
perubahan nilai runtun waktu pengamatan yang fluktuatif.
Sebelum dilakukan perhitungan, akan dihitung Mean Square Error (MSE) terlebih dahulu.
Hal ini dilakukkan untuk mencari trend mana yang paling tepat dan memiliki kesalahan
terkecil untuk dijadikan acuan peramalan. Berikut ini adalah perhitungan MSE dari trend
linier, trend kuadratik, dan trend eksponensial:

1)      MSE Trend Linier

 2)      MSE Trend Kuadratik

 3)      MSE Trend Eksponensial

2016 Manajemen Proyek

13 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Dari perhitungan MSE di atas, bahwa nilai MSE dari trend kuadratik merupakan yang
terkecil. Jadi dapat diketahui bahwa trend kuadratik pada peramalan ini memiliki
kecendrungan kesalahan yang paling rendah dibanding dengan trend linier dan trend
eksponensial.

Berikut ini adalah poligon dari permalan penjualan produk X.

2016 Manajemen Proyek

14 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Dari perhitungan menggunakan trend kuadratik di atas, maka dapat diramalkan penjualan
produk X pada bulan ke-18 adalah sebanyak 1074, dan untuk bulan ke-25 sebanyak 1816.
Dapat dilihat pada kurva di atas, pada bulan ke-12 sampai dengan bulan ke-25 terlihat bahwa
jumlah penjualan produk X dari bulan ke bulan mengalami peningkatan.
torrentz, limewire

2016 Manajemen Proyek

15 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Daftar Pustaka
Sun Sunil Chopra and Peter Meindl (2013), Supply Chain Management,fifth edition, pearson,
New Jersey
I Nyoman Pujawan dan Mahendrawathi ER (2017), Supply Chain Management, Edisi
Ketiga , Guna Widya, Surabaya
Heizer, J and Render, B, (2014), Manajemen operasi, edisi 12, Salemba Empat,
Jakarta2015
Saaty, Thomas L. (2005). Theory and Applications of the Analytic Network Process:
Decision Making with Benefits, Opportunities, Costs and Risks. RWS Publications,
Pittsburgh, Pennsylvania
Algifari. (2016). Mengukur Kualitas Layanan dengan Indeks Kepuasan, Metode Importance-
Performance Analysis (IPA), dan Model Kano. Yogyakarta: BPFE-Yogyakarta.
Operations and Supply Chain Management (2011) Front Cover. F. Robert Jacobs, Richard
B. Chase
Modul Dosen Pengampu Peminatan Manajemen Operasional UMB dan studi internet
Zaroni Transportasi dalam Rantai Pasok dan Logistik
https://supplychainindonesia.com

2016 Manajemen Proyek

16 Ignatius Prasetya Aji Wibowo, SE.MM.
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id