Rangkuman Laporan - Forecasting (WMA, SES, Regresi Linier)
Rangkuman Laporan - Forecasting (WMA, SES, Regresi Linier)
1 Permintaan Agregat
Data permintaan agregat adalah data jumlah permintaan produk akhir yang
dihasilkan pada suatu perusahaan selama satu periode. Berikut ini adalah
rangkuman data unit agregat.
Tabel 4.1 Rangkuman Data Unit Agregat
Periode Data Unit Agregat
1 4737
2 4742
3 4761
4 4767
5 4764
6 4771
7 4777
8 4773
9 4781
10 4784
11 4788
12 4791
WMA (5) =
∑ (pembobot untuk periode n)(permintaan aktual dalam periode n)
∑(pembobot)
( 4767 X 4 ) + ( 4761 X 3 ) + ( 4742 X 2 ) +(4737 X 1)
WMA (5) = = 4757,2
10
( 4764 X 4 ) + ( 4767 X 3 ) + ( 4761 X 2 ) +(4742 X 1)
WMA (5) = = 4762,1
10
Berdasarkan tabel 4.2 diatas dapat diketahui pembobotan MA peramalan
dengan metode weight moving average sebesar 4 yang yang dimulai dari periode
5 sampai dengan periode 13. Nilai terbesar peramalan pada metode weighted
moving average yaitu terdapat pada periode 13 sebesar 4788 dan nilai terkecil
pada periode ke 5 sebesar 4758.
Tracking signal adalah suatu ukuran bagaimana baiknya suatu forecasting
atau peramalan memperkirakan nilai nilai aktual dan tracking signal berfungsi
untuk mengetahui kehandalah dari hasil peramalan dari setiap metode peramalan
yang ada. Berikut ini adalah tabel dari perhitungan tracking signal dengan metode
weight moving average.
4
Tracking Signal
2
BKA
0 BKB
-2
-4
-6
1 2 3 4 5 6 7 8
Gambar 4.5 Tracking Signal Metode WMA
Berdasarkan gambar 4.5 diatas yaitu gambar grafik tracking signal metode
weight moving average dengan nilai batas kontrol atas sebesar 4 dan nilai batas
kontrol bawah sebesar -4 dengan tracking signal yang terus mengalami kenaikan
dan melewati batas yaitu batas kontrol atas sebesar 4 yang berarti model
peramalan weight moving average dengan pembobotan MA sebesar 4 tidak dapat
diandalkan karena telah melewati batas kontrol atas.
Pengolahan software dilakukan dengan menggunakan aplikasi POM-QM
V5 untuk mengolah data peramalan dengan metode weight moving average
berikut ini adalah langkah langkah dari pengolahan data. Langkah pertama yaitu
membuka aplikasi POM-QM V5 selanjutnya klik menu module lalu pilih
forecasting. Lihatlah pada gambar di bawah ini.
Gambar 4.8 Menu Create Date Set For Forecaseting/Time Series Analysis
Langkah selanjutnya yaitu akan muncul tampilan untuk mengisi data
peramalan dengan metode yang akan dipilih, pada bagian method pilih weighted
moving average, dan pada periods to average masukkan angka 4, selanjutnya
masukkan data peramalan dari bulan januari sampai bulan desember dan
masukkan bobot nya dari periode 1 sebesar 4 dan periode 4 sebesar 1. Lihatlah
pada gambar dibawah ini.
Ganbar 4.9 Menu Input Peramalan
Langkah selanjutnya yaitu klik solve untuk mengetahui hasil dari
peramalan dengan menggunakan metode weight moving average. Berikut ini
adalah gambar dari tombol solve.
Ft1 =
∑ Penjualan Aktual = 57236 = 4769,6666
n 12
Ft2 = Ft-1 + (At-1 – Ft-1)
= 4769,6666 + 0,9 (4737 – 4769,6666) = 4740,2666
Berdasarkan tabel di atas dapat diketahui yaitu perhitungan peramalan
dengan menggunakan metode single exponential smoothing dengan sebanyak 13
periode dan periode 13 sebagai hasil permalan untuk periode selanjutnya untuk
menjaga persediaan barang. Periode 13 harus menjaga persediaan barang sebesar
4791 unit. Hasil peramalan pada periode pertama yaitu sebesar 4770 unit dari
penjualan aktual periode pertama sebesar 4737 unit.
Tracking signal adalah suatu ukuran bagaimana baiknya suatu forecasting
atau peramalan memperkirakan nilai nilai aktual dan tracking signal berfungsi
untuk mengetahui kehandalah dari hasil peramalan dari setiap metode peramalan
yang ada. Berikut ini adalah tabel dari perhitungan tracking signal dengan metode
single exponential smoothing.
Tabel 4.6 Tracking Signal Metode SES
Kumulatif
Rsfe Absolute Tracking
Periode Forecast Aktual Error Absolute MAD
Kumulatif Error Signal
Error
1 4770 4737 -33 -33 33 33 33 -1
2 4741 4742 1 -32 1 34 17 -1,8823
3 4742 4761 19 -13 19 53 17,6666 -0,7358
4 4760 4767 7 -6 7 60 15 -0,4
5 4767 4764 -3 -9 3 63 12,6 -0,7142
6 4765 4771 6 -3 6 69 11,5 -0,2608
7 4771 4777 6 3 6 75 10,7142 0,2800
8 4777 4773 -4 -1 4 79 9,875 -0,1012
9 4774 4781 7 6 7 86 9,5555 0,6279
10 4781 4784 3 9 3 89 8,9 1,0112
11 4784 4788 4 13 4 93 8,4545 1,5376
12 4788 4791 3 16 3 96 8 2
MAD = 8
Contoh Perhitungan :
Error = Aktual – Forecast
= 4737 – 4770 = -33
Rsfe Kumulatif = Rsfe kumulatif (t-1) + Error (t)
= -33 + 1 = -32
Absolute Error = Hasil nilai error yang dipositifkan
Kumulatif Absolute Error = kumulatif absolute error (t-1) + absolute error (t)
= 33 + 1 = 34
MAD = kumulatif absolute error : periode
= 33 : 1 = 33
Tracking Signal = Rsfe Kumulatif : MAD
= -33 : 33 = -1
Berdasarkan tabel 4.6 diatas yaitu tracking signal metode single
exponential smoothing menjelaskan tentang perhitungan tracking signal dengan
menggunakan metode single exponential smoothing dengan 12 periode dan
terdapat 9 kolom yaitu periode dengan memiliki 12 periode, kolom forecast yaitu
kolom yang berisikan data hasil dari peramalan yang dilakukan dengan metode
single exponential smoothing dengan nilai peramalan pada periode ke 1 yaitu
sebesar 4770 unit, kolom aktual yaitu kolom yang berisikan data dari penjualan
aktual dengan nilai sebesar 4737 unit pada periode ke 1, error yaitu kesalahan
peramalan pada metode single exponential smoothing yang didapat dari hasil
pengurangan nilai aktual dan nilai forecast dengan nilai pada periode ke 1 sebesar
-33, rsfe kumulatif yaitu jumlah kumulatif dari nilai error dengan nilai sebesar -33
pada periode ke 1, absolute error yaitu nilai error yang dipositifkan dengan nilai
sebesar 33 pada periode ke 1, kumulatif absolute error yaitu nilai kumulatif error
yang dipositifkan dengan nilai sebesar 33 pada periode ke 1, MAD atau mean
absolute deviation yaitu nilai total dari forecast error dengan nilai sebesar 33 pada
periode ke 1, dan tracking signal yaitu berisikan nilai yang digunakan untuk
membuat grafik dan untuk melihat seberapa banyak data yang menyimpang dari
yang telah ditentukan dengan nilai sebesar -1 pada periode ke 1.
Grafik tracking signal berfungsi untuk menampilkan nilai dari tracking
signal secara grafis dan untuk megetahui apakah nilai tracking signal melewati
batas kontrol atas atau batas kontrol bawah yang telah di tetapkan, jika nilai dari
tracking signal melewati dari batas kontrol atas atau batas kontrol bawah yang
telah ditentukan maka metode peramalan tersebut tidak dapat di andalkan. Berikut
ini adalah gambar dari grafik tracking signal dengan menggunakan metode single
exponential smoothing.
5
4
3
2
1
Tracking Signal
0
BKA
-1 BKB
-2
-3
-4
-5
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.15 Tracking Signal Peramalan Metode SES = 0,9
Berdasarkan gambar 4.15 diatas yaitu gambar grafik tracking signal
metode single exponential smoothing dengan nilai (BKA) atau batas kontrol atas
sebesar 4 dan nilai (BKB) atau batas kontrol bawah sebesar -4 dengan tracking
signal yang terus mengalami kenaikan kecuali pada periode 2, 5 dan 8 yang
mengalami penurunan dari periode sebelumnya serta tracking signal tidak
melewati (BKA) atau batas kontrol atas maupun (BKB) atau batas kontrol bawah
yang berarti bahwa peramalan dengan metode single exponential smoothing masih
dapat diandalkan.
Pengolahan software dilakukan dengan menggunakan aplikasi POM-QM
v5 untuk mengolah data peramalan dengan metode single exponential smoothing
berikut ini adalah langkah langkah dari pengolahan data. Langkah pertama yaitu
membuka aplikasi POM-QM v5 selanjutnya klik menu module lalu pilih
forecasting. Lihatlah pada gambar di bawah ini.
Nilai a =
∑ y - b.∑x
n
57236 - (4,4475 x 78)
=
12
57236 - 349,05
=
12
56886,95
=
12
= 4740,7579
1
Tracking Signal
0
BKA
-1 BKB
-2
-3
-4
-5
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.25 Tracking Signal Peramalan Metode Regesi Linier
Berdasarkan gambar 4.25 diatas yaitu gambar grafik tracking signal
metode regresi linier dengan nilai (BKA) atau batas kontrol atas sebesar 4 dan
nilai (BKB) atau batas kontrol bawah sebesar -4 dengan tracking signal yang
mengalami kenaikan pada periode 3, 4, 5, 6, 7, 9 maupun penurunan pada periode
2, 8, 10, 11, 12 serta tracking signal tidak melewati (BKA) atau batas kontrol atas
maupun (BKB) atau batas kontrol bawah yang berarti peramalan dengan metode
regresi linier masih dapat di andalkan.
Pengolahan software dilakukan dengan menggunakan aplikasi POM-QM
V5 untuk mengolah data peramalan dengan metode regresi linier berikut ini
adalah langkah langkah dari pengolahan data. Langkah pertama yaitu membuka
aplikasi POM-QM V5 selanjutnya klik menu module lalu pilih forecasting.
Lihatlah pada gambar di bawah ini.
Gambar 4.26 Menu Module Forecasting
Langkah selanjutnya klik menu file lalu pilih new dan pilih time series
analysis. Lihatlah pada gambar dibawah ini.
Gambar 4.28 Menu Create Date Set For Forecaseting/Time Series Analysis
Langkah selanjutnya yaitu akan muncul tampilan untuk megisi data
peramalan dengan metode yang akan dipilih, pada bagian method pilih linier
regression / least square, dan pada x value for forecast masukkan angka 12,
selanjutnya masukkan data peramalan dari bulan januari sampai bulan desember
dan masukkan pada kolom time (x) dari januari sampai desember dengan dimulai
1 sampai dengan 12. Lihatlah pada gambar dibawah ini.
´
MR =
∑ MR
n−1
45
= = 4,0909
11
BKA = 2,66 x MR
´
= 2,66 x 4,0909
= 10,8817
BKB = -2,66 x MR
´
= -2,66 x 4,0909
= -10,8817
Berdasarkan tabel 4.11 di atas yaitu tabel tabulasi hasil perhitungan
moving range yang terdapat data hasil peramalan dari metode regresi linier dan
data penjualan aktual. Jumlah nilai dari moving range absolute adalah sebesar 45
yang berfungsi untuk menentukan moving range bar dan nilai batas kontrol atas
serta batas kontrol bawah. Hasil dari perhitungan moving rang bar yaitu
didapatkan hasil sebesar 4,0909 dan batas kontrol atas sebesar 10,8817 serta batas
kontrol bawah sebesar -10,8817 yang selanjutnya nilai tersebut akan dijadikan
tampilan grafik.
Grafik peta moving range berfungsi untuk menampilkan nilai dari moving
range secara grafis dan untuk megetahui apakah nilai dari moving range melewati
batas kontrol atas atau batas kontrol bawah yang telah di tetapkan, jika nilai dari
moving range berada diantara batas kontrol atas atau batas kontrol bawah yang
telah ditentukan maka peramalan tersebut dikatakan cukup baik dan bila terdapat
di luar batas maka peramalan permintaan tersebut dapat dikatakan kurang baik.
Berikut ini adalah gambar dari grafik tracking signal dengan menggunakan
metode regresi linier.
20
15
10
5 MR
0 BKA
BKB
-5
-10
-15
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.35 Peta Moving Range
Berdasarkan gambar 4.35 diatas yaitu gambar grafik peta moving range
dengan nilai (BKA) atau batas kontrol atas sebesar 10,8817 dan nilai (BKB) atau
batas kontrol bawah sebesar -10,8817 dengan moving rang yang keluar dari batas
kontrol atas pada periode 3 yang dapat dikatakan bahwa peramalan permintaan
pada periode 3 dikatakan kurang baik serta pada periode lainnya nilai dari moving
range tidak melewati (BKA) atau batas kontrol atas maupun (BKB) atau batas
kontrol bawah yang dapat dikatakan peramalan permintaan pada periode tersebut
cukup baik.