Peramalan

(forecasting)
Perancangan Sistem Produksi 1
Widjajani
Risris Nurjaman
Mengukur kesalahan peramalan
 Mean Absolute Deviation (MAD): mengukur perbedaan antara
permintaan aktual dengan peramalan tanpa memperhatikan tanda
perbedaannya (lebih kecil atau lebih besar)

Jika kesalahan peramalan tersebut berdistribusi normal (kasus yang

umum terjadi), hubungan antara MAD dan standar deviasi:
Mengukur kesalahan peramalan
 Tracking signal: ukuran yang mengindikasikan apakah
rata-rata peramalan mengikuti perubahan menaik atau
menurun pada permintaan.
 Tracking signal merupakan angka dari MAD dimana
nilai peramalan berada di atas atau di bawah nilai
aktualnya.
 Rumus tracking signal:

RSFE: Running Sum of Forecast Error yang menggambarkan

kesalahan yang sebenarnya (misalnya kesalahan negatif akan
meniadakan kesalahan positif dan sebaliknya)
MAD: menggambarkan rata-rata dari semua kesalahan peramalan
tanpa memperhatikan apakah deviasi yang terjadi positif atau
negatif atau rata-rata dari deviasi absolut
Mean Absolute Deviation (MAD)
Mean square error (MSE)
Mean forecast error (MFE):
rata-rata error
Running sum of forecast error
(RSFE)
Contoh perhitungan
Verifikasi peramalan
 Untuk memverifikasi hasil peramalan (metode
peramalan) yang telah dilakukan
 Dilakukan dengan membandingkan nilai-nilai
observasi dari data (permintaan atau demand)
dengan nilai-nilai prediksi (hasil peramalan) dari
permintaan tersebut
 Digunakan moving range chart atau tracking signal
 Moving range:
 Rata-rata moving range:
d’ = peramalan
d = data permintaan
n = banyaknya perioda
cat: ada (n-1) moving ranges untuk n perioda
t = perioda ke-t
Moving-range chart

Variabel yang diplot pada moving-range chart ialah

Pengujian kondisi diluar
kendali (out-of-control)
 Daerah A: daerah di luar
 Daerah B: daerah di luar
 Daerah C: daerah di luar garis tengah

Kondisi diluar kendali (out-of-control):

 Dari 3 titik berurutan, ada 2 atau lebih pada salah
satu sisi daerah A
 Dari 5 titik berurutan, ada 4 atau lebih pada salah
satu sisi daerah B
 Terdapat 8 titik berurutan pada salah satu sisi
daerah C
Contoh 1: metode peramalan konstan
MR chart untuk contoh 1

Kondisi terkendali sehingga d’ = 99 valid sebagai

nilai peramalan untuk data contoh 1
Contoh 2: metode peramalan linier
Persamaan peramalan: d’ = 193 + 3t
MR chart untuk contoh 2

Kondisi terkendali sehingga persamaan: d’ = 193 + 3t

valid sebagai fungsi peramalan untuk data contoh 2
MR chart untuk
mengendalikan peramalan
 MR chart juga dapat digunakan sebagai alat untuk mengamati
stabilitas dari sistem yang menciptakan permintaan (demand)
 Jika kondisi tak terkendali (out-of-control) terjadi, dapat dilakukan
tindakan baik pada peramalan atau pada demand
 Tindakan pada peramalan:
 Memperbaiki peramalan dengan mengubah metoda peramalan,
memasukkan data baru dan atau sistem baru
 Menunggu untuk data selanjutnya
 Tindakan pada demand:
 Memperbaiki iklan
 Meningkatkan promosi penjualan
 Mengubah harga
 dsb.
MR chart untuk pengendalian pada contoh 1
Data untuk tahun ke-2:

MR chart

Kondisi tidak terkendali

Perhitungan nilai peramalan yang baru dengan
menggunakan 19 data dengan metoda peramalan
yang sama

MR chart yang baru

Contoh 2: peramalan linier dengan fungsi
peramalan d’ = 193 + 3t
 Data tahun depan (Januari sampai Desember) ialah 209,
228, 224, 221, 250, 237, 235, 253, 256, 247, 244 dan
264
 MR chart

Kondisi tidak terkendali

Perhitungan fungsi peramalan dengan data 16 bulan
didapatkan fungsi baru

MR chart