Peramalan Permintaan
Peramalan Permintaan
Estimasi Pasar
Hasil ramalan
tidak pernah tepat Semakin jauh ke
! masa depan
peramalan
dilakukan
Detailed forecasts semakin tidak
are worse than handal hasilnya !
aggregate
forecasts!
Peramalan Permintaan 5
Sistem
Peramalan Historical Data
Feedback on
forecast
accuracy
Peramalan Permintaan 6
Metode Peramalan
• Terdapat dua kelompok: Forecasting
Method
– Metode Kualitatif
• Tidak memerlukan data
kuantitatif
Qualitative Quantitative
• Unsur subyektifitas peramalan Method Method
sangat besar pengaruhnya
dalam hasil peramalan
• Baik untuk peramalan jangka
panjang Causal Time Seires
Method Method
– Metode Kuantitatif
• Data kondisi masa lalu
Smoothing
• Data tersebut dapat Method
dikuantifisir
• Diasumsikan pola data masa Moving
lalu akan berlanjut pada masa Average
Method
yang akan datang
Peramalan Permintaan 7
Horison dan Periode Peramalan
• Horison peramalan: menunjukkan seberapa jauh ke
depan peramalan dilakukan dan terkait dengan
jangkauan perencanaan yang akan dilakukan (misal:
setahun ke depan)
• Periode peramalan: menunjukkan basis waktu data
peramalan (misal: bulanan)
DATA FORECAST
Horison Peramalan
Periode
peramalan
Peramalan Permintaan 8
Jenis pola peramalan
+ Tren merupakan pola permintaan yang bergerak stabil dari satu periode ke periode berikutnya. Tren sendiri
memiliki beberapa bentuk seperti geometris (linier) dan eksponensial (non linier). Tren bisa berbentuk datar
(tidak ada perubahan dari periode ke periode) atau bisa naik maupun turun.
+ Musiman (seasonality) merupakan pola permintaan yang cenderung sama tiap periode berulang. Fluktuasi
permintaan bergantung pada keadaan cuaca atau musim, tanggal libur dan kejadian lain yang memiliki dasar
musiman.
Jenis pola permalan (2)
Peramalan Permintaan 11
Tipe Peramalan Permintaan
Kualitatif merupakan metode peramalan yang bersifat subjektif dan bergantung pada penilaian
manusia. Metode ini cocok digunakan ketika memiliki sedikit data historis atau ketika para ahli memiliki
sesuatu yang dapat mempengaruhi ramalan.
Time series (rangkaian waktu) merupakan metode peramalan deret waktu berdasarkan data historis
permintaan. Metode ini didasarkan pada asumsi bahwa data historis permintaan merupakan indikator
yang baik untuk memperkirakan permintaan di masa mendatang. Metode ini merupakan metode yang
cukup umum digunakan bila pola permintaan dasar tidak berbeda jauh dari periode berikutnya.
Kausal merupakan metode yang mengasumsikan bahwa peramalan permintaan sangat
berkorelasi/berhubungan dengan faktor-faktor tertentu di lingkungannya (keadaan ekonomi, tingkat
suku bunga dan lain-lain). Untuk menggunakan metode ini perlu ditelaah lebih lanjut mengenai faktor-
faktor apa saja yang berkorelasi kuat dengan objek yang kita ramalkan dimasa mendatang.
Simulasi merupakan metode yang meniru suatu sistem pada keadaan nyata ke dalam suatu sistem yang
memiliki keterbatasan tertentu sehingga dapat menimbulkan pilihan kejadian pada objek yang diamati.
Metode/Teknik Peramalan Permintaan
Moving average→metode ini terbagi atas 2 metode yaitu single moving average dan double moving
average.
• Single moving average→metode ini biasa digunakan untuk data yang relatif stabil dan konstan
untuk periode waktu tertentu
• Double Moving Average→metode ini biasa digunakan untuk data bertipe tren dan pergerakan data
yang stabil dari periode ke periode
Regresi linier sederhana→metode ini biasa digunakan untuk data bertipe tren dan pergerakan data
yang stabil. Untuk menggunakan persamaan ini, korelasi antar variabel harus bernilai kuat (R2>0.7).
Exponential Smoothing→metode ini cocok digunakan untuk data yang tidak stabil
Peramalan Permintaan 14
Teknik Peramalan untuk Pola Data
Konstan
• Data relatif stable untuk periode waktu tertentu
• Terjadi variasi sepanjang waktu tetapi tidak signifikan
• Fungsi yang menunjukkan pola data konstan
d(t) = a
d(t) = permintaan selama periode t
a = konstanta
• Teknik peramalan yang bisa dipakai antara lain:
– Rata-rata biasa
– Single Moving average
Peramalan Permintaan 15
Rata-rata Biasa
• Berdasarkan metode least square
• Peramalan:
t =1
a= = Ft +1 Ft+1 = nilai ramalan
n
Peramalan Permintaan 16
Contoh
Month Sales
• Peramalan:
n
Jan 90 dt
Feb 111 t =1
d =
Mar 99 n
Apr 89 Ft+1 = (90 + 111 +99…..+113) /
May 87
12
Jun 84
Jul 104 = 99.25 ~ 100 unit/bulan
Ags 102
Sept 95
Oct 114
Nov 103
Des 113
Peramalan Permintaan 17
Single Moving Average
• Jika terdapat data penjualan dt dari periode t = 1, 2, 3,…
n; maka single moving average dan peramalan adalah:
Time Moving Average Forecasting
t d1 + d 2 + ....+ d t t
d= Ft +1 = d = d i t
t i =1
t+1 d 2 + d 3 +....+ d t +1 t +1
d = Ft + 2 = d = d i t
t i =2
t+2 d 3 + d 4 +....+ d t + 2 t +2
d = Ft +3 = d = d i t
t i =3
Peramalan Permintaan 18
Contoh:
Bulan Permintaan Peramalan Peramalan
MA = 3 MA = 5
Jan 200
(3) dan (5)
Feb 135
menunjukkan
Mar 195
periode
Apr 197.5 176.67 averaging
Mei 310 175.83
Peramalan Permintaan 19
Teknik Peramalan untuk Pola Data
Trend
• Demand menunjukkan kecenderungan
meningkat (menurun) dari waktu ke waktu
• Fungsi pola data trend adalah:
d(t) = a + bt
d(t) = permintaan pada periode t
a, b = parameter model
• Teknik peramalan yang dipakai antara lain:
– Simple linear regression
– Double moving average
Peramalan Permintaan 20
Simple Linear Regression
• Gunakan metode least square untuk
memperoleh parameter a dan b
n n n
n td t − d t t
b= t =1 t =1 t =1
2
a = d − bt
n t − t
n n
2
t =1 t =1
Peramalan Permintaan 21
Contoh t dt t.dt t2
1 199 199 1
Month Sales 2 202 404 4
Jan 199 3 199 597 9
Feb 202 4 208 832 16
Mar 199 5 212 1060 25
Apr 208 6 194 1164 36
Mei 212 7 214 1498 49
Jun 194 8 220 1760 64
Jul 214 9 219 1971 81
Ags 220 10 234 2340 100
Sept 219 11 219 2409 121
Okt 234 12 233 2796 144
Nov 219 78 2553 17030 650
Des 233
n n n b = (12 x 17030)-(2553x78)/(12 x 650)-(78)2
n td t − d t t = 3.045
b= t =1 t =1 t =1
2
a = (2553/12) – 3.045 x (78/12) = 192.9575
n t − t
n n
2
t =1 t =1
a = d − bt Peramalan Permintaan 22
Plotting Forecast Linear Regression
Data Permintaan
250
y = 3.0455x + 192.95
R² = 0.7122
200
Judul Sumbu
150
Data Permintaan
100
Linear (Data Permintaan)
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Periode
Peramalan Permintaan 23
Month Period (t) Forecasting
Jan 13 233
Feb 14 236
Fungsi peramalan:
Mar 15 239
d(t) = 192.9575 + 3.045 t Apr 16 242
Mei 17 245
Jun 18 248
Peramalan untuk 12
Jul 19 251
periode ke depan: Ags 20 254
Sept 21 257
Okt 22 260
Nov 23 263
Des 24 266
Peramalan Permintaan 24
Double Moving Average
• Parameter model a dan b dicari dengan teknik
double moving average
• Moving average dilakukan dua tahap
• Dinyatakan dengan MA(m x n): moving avegare
of m period for n moving averaged data
• Berdasarkan hasil perhitungan double moving
average ini dihitung nilai parameter a dan b
Peramalan Permintaan 25
Prosedur
• Untuk data penjualan dt, t = 1, 2, 3,….. N
• Hitung moving average n periode sebagai berikut:
d t + d t −1 + ....+ d t − N +1
St' =
N
• Hitung moving average m periode dari hasil moving
average n periode tersebut sebagai berikut:
St' + St' −1 +....+ St' − N +1
St =
''
M
• Hitung parameter model a dan b sebagai berikut:
Peramalan Permintaan 26
Contoh:
Periode Permintaan MA (4) MA (4x4) Nilai a Nilai b Peramalan
a + b (m)
1 140
a7 = 2S7’ - S7’’
2 159 = 2 (159.5) - 153.25
3 136 = 165.75
4 157 148
5 173 156.25
6 131 149.25 b7 = 2 / (n-1) *(S7’ - S7’’)
7 177 159.5 153.25 165.75 4.167 = 2/ (4-1) * (159.5 -
8 188 167.25 158.0625 176.4375 6.125 169.91667 153.25)
9 154 162.5 159.625 165.375 1.917 182.5625
10 179 174.5 165.9375 183.0625 5.708 167.29167
= 4.167
11 180 175.25 169.875 180.625 3.583 188.77083 F8 = a7 + b7.1
12 160 168.25 170.125 166.375 -1.250 184.20833 = 165.75 + 4.167 *1
13 182 175.25 173.3125 177.1875 1.292 165.125 = 169.9167
14 192 178.5 174.3125 182.6875 2.792 178.47917
15 224 189.5 177.875 201.125 7.750 185.47917 F21 = a20 + b20.1
16 188 196.5 184.9375 208.0625 7.708 208.875 = 218.875 + 5.083*1
17 198 200.5 191.25 209.75 6.167 215.77083 = 223.958
18 206 204 197.625 210.375 4.250 215.91667
19 203 198.75 199.9375 197.5625 -0.792 214.625
F22 = a20 + b20.2
m=1 = 218.875 + 5.083*2
20 238 211.25 203.625 218.875 5.083 196.77083 m= 2
21 223.95833 = 229.042
22 229.04167
Peramalan Permintaan 27
Plotting Hasil Forecast MA (4)
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Peramalan Permintaan 28
Metode Exponential Smoothing (1)
1. Single exponential smoothing (SES)
Ft+1 = α Dt + (1 – α) Ft
atau
Ft+1 = Ft + α (Dt – Ft)
Ft+1 = Ft + α (et)
• Exponential smoothing = pembobotan menurun secara ekponensial
terhadap nilai permintaan aktual yang lebih tua
• Kesalahan peramalan sebelumnya dipakai untuk mengoreksi peramalan
berikutnya.
• α adalah koefisien pemulusan dan nilai α yang optimal dicari dengan trial &
error. ( 0 ≤ α ≤ 1). Nilai α yang mendekati 1 akan memberikan pemulusan
yang sangat kecil dalam ramalan sehingga cocok digunakan jika pola data
historis sangat berfluktuasi atau tidak stabil dari waktu ke
_ waktu.
• Inisialisasi : peramalan periode 1 (F1) = D1 atau F1 = D
Bulan Permintaan Peramalan (Ft) Contoh : α =0,1
Dt α =0,1 α = 0,5 α = 0,9
F1 = D1 = 200
Jan 200 200.00 200.00 200.00
Feb 135 200.00 200.00 200.00 F2 = α D1+ (1 – α) F1
Mar 195 193.50 167.50 141.50 = 0,1. 200 + (1-0.1). 200
Apr 197.5 193.65 181.25 189.65 = 200
Mei 310 194.04 189.38 196.72
F12 = α D11+ (1 – α) F11
Juni 175 205.63 249.69 298.67
Juli 155 202.57 212.34 187.37 = 0,1. 235 + (1-0.1). 202,23
Agstus 130 197.81 183.67 158.24 = 205,51
Sept 220 191.03 156.84 132.82
Okt 277 193.93 188.42 211.28
Nop 235 202.23 232.71 270.43
Des 205.51 233.85 238.54
MAPE 24.58 29.2 30.81
MSE 3438.33 4347.24 5039.37
Peramalan Permintaan 30
Nilai α yang mendekati 0 akan memberikan pemulusan yang
sangat besar terhadap ramalan sehingga pola data cenderung
stabil dari waktu ke waktu
Peramalan Permintaan 31
Metode Exponential Smoothing (2)
Forecast: Ft+m = at + bt .m
Peramalan Permintaan 32
Permintaa
Periode n SES DES Nilai Nilai Peramalan
Dt S't S"t a b Ft
(inisiasi α = 0.2
1 140 140.00 140.00 )
2 159 143.80 140.76 146.84 0.76 a2 = 2S2’ – S2’’
3 136 142.24 141.06 143.42 0.30 147.60 = 2 (143.8) – 140.76
4 157 145.19 141.88 148.50 0.83 143.72 = 146.84
5 173 150.75 143.66 157.85 1.77 149.33
6 131 146.80 144.29 149.32 0.63 159.62 b2 = α /(1- α) (S2’ – S2’’)
7 177 152.84 146.00 159.69 1.71 149.95 = 0.2/ 1-0.2) * (143.8 -
8 188 159.87 148.77 170.97 2.78 161.40 140.76)
9 154 158.70 150.76 166.64 1.99 173.75 = 0.76
10 179 162.76 153.16 172.36 2.40 168.63
11 180 166.21 155.77 176.65 2.61 174.76
F3 = a2 + b2.1
12 160 164.97 157.61 172.32 1.84 179.26
13 182 168.37 159.76 176.98 2.15 174.16 = 146.84 + 0.76 * 1 = 147.6
14 192 173.10 162.43 183.77 2.67 179.14
15 224 183.28 166.60 199.96 4.17 186.44 F21 = a20 + b20.1
16 188 184.22 170.12 198.32 3.52 204.13 = 219.76 + 4.39* 1=
17 198 186.98 173.49 200.46 3.37 201.85 224.16
18 206 190.78 176.95 204.61 3.46 203.83
19 203 193.23 180.21 206.25 3.25 208.07 F22 = a20 + b20.2
20 238 202.18 184.60 219.76 4.39 209.50 = 219.76 + 4.39* 2=
21 224.16 228.55
22 228.55
Peramalan Permintaan 33
Plotting Data Permintaan dan Peramalan
dengan Metode Browns DES
Peramalan Permintaan 34
Metode Exponential Smoothing (3)
3. Double exponential smoothing: Holt’s two parameter
Peramalan Permintaan 35
Periode Permintaan
Dt
St Trend
bt
Peramalan
Ft
α = 0.2 = 0.3
1 140 140.00 5.67
Inisiasi
2 159 148.33 6.47
3 136 151.04 5.34 154.80 S1 = D1 = 140
4 157 156.50 5.38 156.38 b1 = (D4-D1)/3
5
6
173
131
164.10
162.32
6.04
3.69
161.88
170.15
= (157 – 140)/3 = 5.67
7 177 168.21 4.35 166.01 Contoh Perhitungan
8 188 175.65 5.28 172.56
9 154 175.54 3.66 180.93
S2 = 0.2*D2+(1-0.2)*(S1+b1)
10 179 179.17 3.65 179.21 = 0.2*159+(1-0.2)*(140+5.67)
11 180 182.25 3.48 182.82 = 148.333
12 160 180.59 1.94 185.74
13 182 182.42 1.91 182.53
14 192 185.86 2.37 184.33 b2 = 0.3*(S2-S1)+(1-0.3)*b1
15 224 195.38 4.51 188.23 = 0.3*(148.33-140) +0.7*5.67
16 188 197.52 3.80 199.90
17 198 200.65 3.60 201.32
= 6.47
18 206 204.60 3.70 204.25
19 203 207.25 3.39 208.31
F3 = S2 + b2 * 1
20 238 216.11 5.03 210.63
21 221.13 = 148.3333 + 6.47*1
22 = 154.8
Peramalan Permintaan 36
Plotting Data Permintaan dan Peramalan
dengan Metode Holt’s DES
245
225
205
185 Dt
Ft
165
145
125
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Peramalan Permintaan 37
Metode Exponential Smoothing (4)
4. Winter’s three parameter trend and seasonality
Metoda winter’s terdiri dari 3 persamaan smoothing, yaitu : kestasioneran, trend dan
musiman . Persamaannya adalah :
Xt
Stasioner: St =a + (1-a) (S’t-1 + bt-1)
I t −L
800
750
700
650
600
550 Permintaan
Peramalan
500
450
400
350
300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Peramalan Permintaan 40
Kriteria Performansi Peramalan
• Performansi diukur dari kesalahan peramalan
(forecasting error)
• Cerminan dari akurasi peramalan: semakin kecil
kesalahan → semakin akurat hasil ramalan
• Kesalahan peramalan (et): deviasi antara observasi
aktual (dt) dengan nilai ramalannya (Ft) atau et = dt – Ft
• Karena observasi aktual pada saat peramalan belum ada
maka kesalahan dihitung pada data historis (observasi
aktual historis vs nilai ramalan periode historis)
Peramalan Permintaan 41
Ukuran Kesalahan Peramalan
• Mean Square Error (MSE) • Mean Absolute
2
Percentage Error
n
(d t − Ft )
MSE = t =1
n d t − Ft
n dt
x100%
• Standard Error of MAPE = t =1
Estimate (SEE) n
f = degree of freedom
(d t − Ft )
n 2 - 1 untuk pola data konstan
SEE = - 2 untuk pola data trend
Peramalan Permintaan 42
Verifikasi Peramalan
• Dilakukan untuk memeriksa apakah hasil peramalan
sudah betul
• Menggunakan teknik moving range chart
Peramalan Permintaan 43
Plot nilai (dt-d’t) pada
grafik
region A
region B
region C
UCL
Kondisi di luar kendali jika:
1. Ada titik di luar UCL atau
LCL
2. Dari 3 titik plot berturutan
2 titik berada pada region
center line A ( 1.77 MR)
3. Dari 5 titik plot berturutan
terdapat 4 titik berada
pada region B ( 0.89 MR)
4. Ada 8 titik plot berturutan
region A
region B
region C
Peramalan Permintaan 45
Contoh:
• Diketahui data penjualan 12 bulan yang lalu sebagai
berikut:
t 1 2 3 4 5 6 7 8 9 10 11 12
dt 140 159 136 157 173 181 177 188 154 179 180 160
• Plotting data
menunjukkan
gambaran
sebagai berikut
Peramalan Permintaan 46
Percobaan pertama: konstan
t dt Ft e = dt - Ft e2 SEE
1 140 165.33 -25.33 641.61
2 159 165.33 -6.33 40.07
3 136 165.33 -29.33 860.25
4 157 165.33 -8.33 69.39
5 173 165.33 7.67 58.83
6 181 165.33 15.67 245.55
7 177 165.33 11.67 136.19
8 188 165.33 22.67 513.93
9 154 165.33 -11.33 128.37
10 179 165.33 13.67 186.87
11 180 165.33 14.67 215.21
12 160 165.33 -5.33 28.41
3124.68 17
Peramalan Permintaan 47
Percobaan Kedua: Trend
t dt t . dt t2 dt'=156+1.t e = dt - dt' e2
1 140 140 1 157 -17 289
2 159 318 4 158 1 1
3 136 408 9 159 -23 529
4 157 628 16 160 -3 9
5 173 865 25 161 12 144
6 181 1086 36 162 19 361
7 177 1239 49 163 14 196
8 188 1504 64 164 24 576
9 154 1386 81 165 -11 121
10 179 1790 100 166 13 169
11 180 1980 121 167 13 169
12 160 1920 144 168 -8 64
78 1984 13264 647 2628
Peramalan Permintaan 48
Hasil ramalan
n n n 12(13264) − (1984)(78) n
N t .dt − dt t b= 2
(dt −dt ')
2
t =1 t =1 t =1 12(647) − (78)
b= 2 SEE = t =1
n n 157168 − 154752 2416 n−f
N t − ( t ) = =
2
7764 − 6084 1680 2628 2628
t =1
t =1 = =
= 1.44 1 12 − 2 10
= 16. 21 16
n n
dt bt a = dt − b.t
a = t =1 − t =1 = dt − b.t = 165.33 − 1.44(6.5) = 165.33 − 9.35
N N
= 155.98 156
dt ' = 156 + 1t
Peramalan Permintaan 49
Pemilihan Peramalan
Constant Linear
SEE 17 16
t 13 14 15 16 17 18 19 20 21 22 23 24
Ft 169 170 171 172 173 174 175 176 177 178 179 180
Peramalan Permintaan 50
Verifikasi
t Dt Ft Ft-Dt MR
1 140 156 16
2 159 157 -2 18
3 136 158 22 24
4 157 159 2 20 159
MR = = 14.45
5 173 160 -13 15 11
6 181 161 -20 7 UCL = 38.45
7 177 162 -15 5 LCL = −38.45
8 188 163 -25 10
9 154 164 10 15
10 179 165 -14 24
11 180 166 -14 0
12 160 167 7 21
159
Peramalan Permintaan 51
Penutup
• Peramalan merupakan langkah awal dalam perencanaan
produksi
• Berfungsi mendapatkan perkiraan penjualan sepanjang
periode perencanaan
• Perkiraan tersebut menjadi referensi dalam menyusun
rencana produksi sesuai ketersediaan sumber daya
perusahaan
• Peramalan yang diperoleh tepat waktu sangat menolong
proses perencanaan
• Perlu juga diperhatikan biaya untuk mengumpulkan
data serta manfaat dari perencanaan yang diperoleh
• Selalu diliputi kesalahan karena itu kemudian perlu
up-dating data sebagai bentuk pengendalian
Peramalan Permintaan 52
Bulan Penjualan Tugas 1
1 125
2 125
Buat peramalan 3 bulan ke
3 130
depan untuk data yang
4 125
diketahui pada tabel di
5 135 samping.
6 140 Pergunakan prosedur
7 135 peramalan lengkap dengan
8 140 proses verifikasi
9 150
10 155
11 140
12 160
13 165
14 150
15 175
16 170
Peramalan Permintaan 53