(Forecasting Method)
1
Definisi Peramalan
◼ Peramalan adalah seni dan ilmu untuk
memprediksi masa depan.
◼ Peramalan adalah tahap awal, dan hasil ramalan
merupakan basis bagi seluruh tahapan pada
perencanaan produksi, misalnya.
◼ Proses peramalan dilakukan pada level agregat
(part family); bila data yang dimiliki adalah data
item, maka perlu dilakukan agregasi terlebih
dahulu.
◼ Metode: Kualitatif dan kuantitatif.
◼ Terminologi: perioda, horison, lead time, fitting
error, forecast error, data dan hasil ramalan.
2
Peramalan Eksplanatoris dan
Deret Berkala
◼ Kedua pendekatan ini saling melengkapi dan
dimaksudkan untuk jenis penggunaan yg
berbeda.
◼ Pendekatan ekspalanatoris mengasumsikan
adanya hubungan sebab akibat di antara input
dengan output dari suatu sistem.
Sistem
Input Hubungan sebab Output
dan akibat
⚫ Peramalan Deret Berkala memperlakukan sistem
sebagai kotak hitam.
Sistem
Input Output
Proses Bangkitan 3
Persyaratan Penggunaan
Metode Kuantitatif:
4
Langkah-langkah Peramalan
◼ Definisikan tujuan peramalan.
◼ Plot data (part family) masa lalu.
◼ Pilih metode-metode yang paling memenuhi
tujuan peramalan dan sesuai dengan plot data.
◼ Hitung parameter fungsi peramalan untuk
masing-masing metode.
◼ Hitung fitting error untuk semua metode yang
dicoba.
◼ Pilih metode yang terbaik, yaitu metode yang
memberikan error paling kecil.
◼ Ramalkan permintaan untuk periode mendatang
◼ Lakukan verifikasi peramalan.
5
Pola data metode deret berkala (1)
7
8
Karakteristik trend
1. Constant
2. Linier trend
3. Quadratic
4. Exponential
5. Moving Average
6. Exponential smoothing
7. Seasonal
10
1. Metode Constant
d
Keterangan:
t d’t = Forecast untuk saat t
d 't = 1 t = time (independent variable)
dt = demand pada saat t
n n = jumlah data
11
2. Metode Linier trend
• Model ini menggunakan data yang
secara random berfluktuasi membentuk
garis lurus.
• Rumus untuk metoda linier:
d 't = a + bt t = 1, 2, 3, .....
dt − t tdt
2 Keterangan:
t
a= d’t = Forecast untuk saat t
n t 2 − ( t )
2
a = intercept
b = kemiringan garis
n td t − t d t t = time (independent variable)
b=
n t 2 − ( t )
2 dt = demand pada saat t
n = jumlah data
12
3. Metode Quadratic (1)
d ' (t ) = a + bt + ct2
t = 1, 2, 3, ....
−
b= Keterangan : ……
− 2
13
3. Metode Quadratic (2)
2 n n n
2
= t Y (t ) − n tY (t )
n n
= t − n t 4
t =1 t =1 t =1 t =1 t =1
n n n
= t 2
Y (t ) − n Y (t )
t 2
t =1 t =1 t =1
n n n 2
= t t − n t
n n
= t − n t 2
2 3
t =1 t =1 t =1 t =1 t =1
n n n
− (b)( ) Y (t ) t t 2
c= a= t =1
−b t =1
−c t =1
n n n 14
4. Metode Exponential (1)
d' (t) = ae bt
Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
15
4. Metode Eksponensial (2)
Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
16
5. Metode Moving Average (1)
◼ Digunakan bila data-datanya :
- tidak memiliki trend
- tidak dipengaruhi faktor musim
◼ Digunakan untuk peramalan dengan perioda
waktu spesifik.
◼ Moving Average didefinisikan sebagai :
n
d t
MA n = t =1
n
Keterangan :
n = jumlah perioda
dt = demand pada bulan ke t
17
5. Metode Moving Average (2)
18
6. Metode Exponential Smoothing (1)
19
6. Metode Exponential Smoothing (2)
ES didefinisikan sebagai:
Ft +1 = Dt + (1 − ) Ft
Keterangan:
Ft+1 = Ramalan untuk periode berikutnya
Dt = Demand aktual pada periode t
Ft = Peramalan yg ditentukan sebelumnya untuk periode t
= Faktor bobot
21
Forecasting Errors & Tracking Signals
t t
d − d '
(d )
N
2
t − d t
'
100 N d t − d 't
c. Mean Absolute Percent Error (MAPE) =
N t =1 d t
22
Verifikasi (1)
◼ Rata-rata MR dihitung :
n −1
MR i
MR = i =1
n −1
UCL = + 2,66MR
LCL = − 2,66MR
CL = 0
24
Verifikasi (3)
Region C
Region A
Region B
Batas kontrol atas
d' - d
Garis tengah
0
Region C
Region A
Region B
Batas kontol bawah
Perioda
26
Verifikasi (5)
◼ Contoh Soal: Kasus Peramalan Konstan
117
MR = = 10.6
11
UCL = 28.2
MR = |d’t – dt| – |d’t-1– dt-1|
LCL = - 28.2 27
Verifikasi (6)
30
UCL = +28.2
20
10
d' - d
0 CL
-10
-20
LCL = -28.2
-30
J F M A M J J A S O N D
Bulan
28
Verifikasi (7)
29
Contoh Metode Constant
Bulan t dt
Jan 1 90 n
Feb 2 111 d t
Mar 3 99 d 't = 1
Apr 4 89 n
Mei 5 87
Jun 6 84
Jul 7 104
Aus 8 102
Sep 9 95 12
Okt
Nov
10
11
114
103
1191
d 't = 1
= 99.25
Des 12 113 12
S= 1191
30
Contoh Metode Linear trend
31
Contoh Metode Quadratic
t t2 t3 t4 dt tdt t2dt = (15)(55) − (5)(225) = −300
1 1 1 1 16 16 16
= (15) 2 − (5)(55) = −50
2 4 8 16 24 48 96
180 (5)(15) 55
aˆ = − − = 10
5 5 5
t dt Ln(dt) tLn(dt) t2
ˆb = (5)(33.8) − (9.60)(15) = 0.5
(5)(55) − 225
1 2.50 0.92 0.92 1
9.60 (0.5)(15)
2 4.12 1.42 2.84 4 ln(aˆ ) = − = 0.42
5 5
3 6.80 1.92 5.76 9
15 9.60 33.8 55
bˆt
d ' (t ) = aˆ (e) = 2.5e0.5t → d ' (6) = 2.5e3 = 50
33
Contoh Metode Moving Average
Bulan t dt MA 3 bulan MA 5 bulan
Jan 1 10 - -
Feb 2 12 - -
Mar 3 13 - -
Apr 4 16 (10+12+13)/3=11,66 -
Mei 5 19 (12+13+16)/3=13,66 -
Jun 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14
Jul 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6
d t
MA n = t =1
n
34
Contoh Metode Exponential
Smoothing
Period Demand Forecast , Ft+1
1 37
=0.3
-
=0.5
-
Ft +1 = Dt + (1 − ) Ft
2 40 37 37
3 41 37.9 38.5
4 37 38.83 39.75
5 45 38.28 38.37
6 50 40.29 41.68
7 43 43.20 45.84
8 47 43.14 44.42
9 56 44.30 45.71
10 52 47.81 50.85
11 55 49.06 51.42
12 54 50.84 53.21
51.79 53.61 35
Contoh Metode Seasonal (1)
Demand (x 1000)
Year
Kwartal-1 Kwartal-2 Kwartal-3 Kwartal-4 Total
1992 12.6 8.6 6.3 17.5 45
1993 14.1 10.3 7.5 18.2 50.1
1994 15.3 10.6 8.1 19.6 53.6
42 29.5 21.9 55.3 148.7
36
Contoh Metode Seasonal (2)
a = 40.97 b = 4.3
y = 40.97 + 4.3 t
Untuk tahun 1995 (t =4) diperoleh 58.17
Peramalan utk tiap kwartal:
SF1 = S1.F5 = .28 (58.7) = 16.28
SF2 = 11.63
SF3 = 8.73
SF4 = 21.53
37
Case:
Perusahaan Konstruksi Nodel, West Bloomfield
4
0
32,5
3 Garis Regresi
0 Y= 17,5 + 2,5
X
2
0
a= 17,5
1
0
1 2 3 4 5 6 7 WAGES
40
Untuk menghitung keakuratan regresi yang diperkirakan,
harus dihitung Kesalahan Standar Estimasi (Standard error
of the estimate). Perhitungan ini disebut Deviasi Standar
Regresi (Standard Deviation of the Regression)
S y. x =
− a y − b xy
y 2
n−2
41
Case: Perusahaan Konstruksi Nodel
S y. x =
− a y − b xy
y 2
n−2
=
3950 − 17,5.(150) − 2,5(515)
6−2
= 3,06