1
PLO & CLO
PLO 5
Menguasai prinsip dan teknik CLO 1
perancangan sistem terintegrasi Mampu mengidentifikasi
dengan pendekatan sistem permintaan dan menghitung
peramalan permintaan untuk
PLO-10 keperluan perencanaan produksi
Mampu memilih sumberdaya CLO 5
dan memanfaatkan perangkat
Mampu menguasai sistem
perancangan dan analisis spreadsheet (Excel) untuk
rekayasa berbasis teknologi membantu merencanakan dan
informasi dan komputasi yang mengendalikan sistem produksi
sesuai untuk melakukan menjadi lebih efektif dan efisien
aktivitas rekayasa.
2
Metode Peramalan
Seasonal
Regresi Konstan Linier Kuadratis
Index
3
Metoda Peramalan
Smoothing
• Moving average method
• Simple moving average
• Double moving average
• Weighted moving average
• Exponential smoothing
• Simple exponential smoothing
• Double exponential smoothing
Regresi
• Konstan
• Linier
• Kuadratis
• Seasonal
SMOOTHING
Simple Moving Average
Hasil peramalan Ft adalah rata- rata dari n observasi sebelumnya
atau demand aktual Dt :
1
Ft +1 = ( D t + D t −1 + + D t +1− n )
n
1 t
Ft +1 = Di
n i = t +1− n
Note :n observasi masa lalu mempunya bobot yang sama.
4
Simple Moving Average
weight
1/n
n ... 2 1
3
Hari ini
5
6
SMA (4)
F5= ¼ (D4+ D4-1 + D4-2 + D4+1-4 ) = ¼ (D4+D3+D2+D1)
= ¼ (157+136+159 + 140) = 148
8
Double Moving Average
❑ DMA melakukan moving average secara double
❑ Notasi yang diberikan DMA (MxN), artinya M periode moving average
yang pertama dan N periode moving average yang ke-dua.
❑ Formula:
S't = 1/N (Xt+ Xt-1+ Xt-2 +….+ Xt-N+1)
S" t= 1/N (S't+ S't-1+ S't-2 +….+ S't-N+1)
Data pada (t-1) memiliki pengaruh yang lebih besar daripada (t-
2), maka diberi bobot yang lebih besar.
Ft =W1.At-1+W2.At-2+……..+Wn.At-n
Wt=bobot diberikan pada perioda waktu
kejadian t
Jumlah total bobot harus = 1
At =data aktual
Contoh WMA
Terdapat data permintaan selama 3 minggu, berikut bobot data.
Tentukan perkiraan besarnya permintaan pada minggu ke-4
dengan WMA.
Minggu 1 2 3
Permintaan 550 650 750
Bobot 0,4 0,5 0,1
Hari ini
14
Exponential Smoothing
F t = D t + (1 − ) D t −1 + (1 − ) 2 D t − 2 +
F t = D t + (1 − ) D t −1 + (1 − ) D t − 2 +
F t = D t + (1 − ) F t −1
15
Exponential Smoothing
F t = D t + (1 − ) F t −1
Peramalan yang baru adalah jumlah dari peramalan masa lalu dan
demand aktual
Catatan :
Hanya 2 nilai (Dt and Ft-1 ) yang dibutuhkan, bandingkan dengan n untuk
moving average
Parameter didefinisikan secara empiris
Rule of thumb: < 0.5
Umumnya, = 0.2 atau = 0.3 akan memberikan hasil peramalan yang
baik
Peramalan untuk k periode masa datang adalah : Ft + k = Ft
16
Simple Exponential Smoothing
21
Ukuran Kinerja Peramalan
(dt −D't )
2
n
SEE = (n − f )
t=1
dengan:
f = derajat kebebasan
1 : untuk data konstan
2 : untuk data linier
3 : untuk data kuadratis
22
Ukuran Kinerja Peramalan
• Persentase Kesalahan
d −
t D't
PEt = ( )x100%
dt
• Mean Absolute Percentage Error (MAPE)
n
PEt
MAPE = t =1
n
23