Forecasting

FORECASTING
Baroya Mila Shanty, SE, MM

Program Studi Manajemen
Fakultas Ekonomi & Bisnis
Universitas Muhammadiyah Malang
Forecasting
Ilmu dan seni untuk memperkirakan

kejadian di masa yang akan datang
Bamisha-MO2-2015Genap 2
TUPPERWARE
merupakan salah satu contoh perusahaan di dunia yang
sukses dalam forecasting karena:
85% penjualan dari 1.200.000 total penjualannya terjual di luar
Amerika
Dipasarkan kurang lebih di 100 negara
Memiliki 15 pabrik di seluruh dunia
Penekanannya pada kualitas produk
Proyeksi penjualannya dilakukan setiap bulan, kuartal dan satu
tahun dengan menggunakan komputerisasi
Peramalan yang digunakan dipakai acuan untuk semua pabrik
Metode peramalan yang digunakan adalah:
Moving averages
Exponential smoothing
Regression analysis
Tiga kunci sukses peramalan penjualan Tupperware:
Jumlah konsultan atau sales representative
Prosentase dealer yang aktif
Penjualan dealer aktif yang dilakukan setiap minggu
Jangka Waktu Forecasting
1. Short Range Forecast
3 bulan 1 tahun
2. Medium Range Forecast
1 tahun 3 tahun
3. Long Range Forecast
> 3 tahun
Short Range Forecast
Dilakukan kurang dari satu tahun
Biasanya dilakukan kurang dari tiga bulan
Digunakan untuk:
Rencana pembelian
Jadwal pekerjaan
Tingkat kerja
Penugasan
Tingkat produksi
Medium Range Forecast
Berkisar antara tiga bulan sampai
tiga tahun
Digunakan untuk:
Rencana penjualan
Rencana produksi
Anggaran produksi
Anggaran kas
Analisa rencana kegiatan operasional
perusahaan
Long Range Forecast
Dilaksanakan dalam kurun waktu lebih
dari tiga tahun
Digunakan untuk:
Rencana produk baru
Penentuan lokasi
Penentuan perluasan usaha
Penelitian dan pengembangan
Biaya modal
Short Range Forecast
Menggunakan metode Moving Average,
Exponential Smoothing dan Trend
Extrapolation
Cenderung lebih akurat
Medium & Long Range Forecast,
Lebih diutamakan untuk isu yang
kompleks
Mendukung keputusan manajemen
(perencanaan dan produk, pabrik dan
proses)
Types of Forecast
1. Economic Forecasts
Ditujukan pada siklus bisnis dengan
memperkirakan tingkat inflasi, penawaran uang,
dll
2. Technological Forecasts
Dikhususkan pada tingkat kemajuan teknologi,
timbulnya produk baru yang menarik, pabrik
baru dan peralatan
3. Demand Forecasts
Proyeksi permintaan produk/ jasa perusahaan
Untuk mengendalikan kapasitas produksi, sistem
penjadwalan dan menyediakan input bagi
perencanaan keuangan, pemasaran dan
personalia.
Keterkaitan dengan bagian lain:
1. Human Resources
2. Capacity
3. Supply Chain Management
7 Steps in Forecasting System
1. Menjelaskan tentang kegunaan forecasts
2. Memilih item yang akan diforecasts
3. Menjelaskan tentang rentang waktu
forecasts
4. Memilih metode forecasts
5. Mengumpulkan data yang digunakan
untuk forecasts
6. Membuat forecasts
7. Mengimpelementasikan hasil forecasts
Beberapa hal yang harus diperhatikan
1. Forecasts jarang sempurna

2. Beberapa metode forecasting
mengasumsikan ada beberapa hal
yang stabil dalam sistem
3. Forecasts untuk kelompok produk
dilakukan secara agregat lebih
akurat
Pendekatan Forecasts
1. Quantitative forecasts
Peramalan yang menggunakan model
matematika yang didasarkan pada
data periode yang lalu dan atau
beberapa variabel yang
mempengaruhi permintaan
2. Qualitative forecasts
Peramalan yang didasarkan pada
intuisi, emosi, pengalaman pribadi dan
sistem nilai yang digunakan pengambil
keputusan
Qualitative Methods
1. Jury of excecutive opinion
Peramalan yang dilakukan berdasarkan pendapat para ahli di bidangnya yang kadangkala
dikombinasikan dengan metodae statistik yang dilakukan untuk memperkirakan permintaan
secara kelompok
2. Sales force composite
Peramalan yang didasarkan pada pendapat tenaga pemasaran untu masing-masing daerah,
yang kemudian dikombinasikan dengan daerah lain sehingga mendapatkan hasil yang
menyeluruh.
3. Delphi method
Peramalan yang dilakukan dengan mengumpulkan tiga tipe partisipan yaitu decision
makers, staff personnel dan respondents, dimana decision makers membentuk kelompok
yang terdiri dari 5 10 orang yang akan melakukan peramalan, staff personnel membantu
mempersiapkan, mendistribusikan, mengumpulkan dan menyimpulkan kuisioner dan hasi
penelitian sedangkan respondents menjadi juri yang memberi masukan untuk menentukan
validitas ramalan tersebut
4. Consumer market survey
Peramalan yang didasarkan pada masukan yang diberikan pelanggan atau pelanggan
potensial yang tidak hanya digunakan utnuk mempersiapkan peramalan tetapi juga
mengimprovisasi desain produk dan merencanakan produk baru.
Quantitative Methods
1.Time Series Models
Metode ini mengasumsikan bahwa prediksi masa yang akan datang adalah merupakan
fungsi dari masa lalu, sehingga untuk meramlakna masa yang akan datang didasarkan
pada data-data masa yang lalu.
Metode-metodenya adalah:
Nave Approach
Moving averages
Exponential smoothing
Trend projection
4 komponen time series:
Trend, pergerakan data setiap waktu yang meningkat atau menurun, seperti perubahan
pendapatan, jumlah penduduk, ataudistribusi umur
Seasonality, pola data yang berubah setiap periode waktu misalnya harian, mingguan,
bulanan atau empat bulanan, seperti, restoran, tukang pangkas rambut
Cycles, pola data yang mengalami perubahan setiap beberapa tahun yang dipengaruhi
oleh faktor-faktor eksternal seperti politik, dan sebagainya
Random Variation, perubahan pola akibat adanya kejadian yang tidak biasa, sehingga
seringkali sulit untuk diprediksikan
Quantitative Methods
2. Causal models
Merupakan metode yang menjelaskan
bahwa ada beberapa faktor yang
mempengaruhi jumlah yang akan
diramalkan.
Metodenya adalah:
Linear Regression
Nave Approach
Metode ini merupakan metode yang paling

sederhana, dimana dijelaskan bahwa permintaan
untuk periode berikutnya samad engan
permintaan pada periode sebelumnya.
Misalnya:
Perusahaan Handphone Motorolla mempunyai data
penjualan sebanyak 100 unit handphone pada bulan
Januari 2010, maka penjualan pada bulan Pebruari
diperkirakan sama dengan bulan Januari yaitu sebesar
100 unit.
N Bulan Volume Peramalan Kesalahan !Kesalahan! (Kesalahan)
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Averages
Metode ini menggunakan data historis untuk

melakukan peramalan.
Metode ini digunakan apabila dapat
diasumsikan bahwa permintaan pasar akan
tetap setiap waktu.
Rumus matematisnya adalah:

Moving Average = demand in previous
n
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Moving Averages
Metode ini menggunakan data historis untuk

melakukan peramalan.
Metode ini digunakan apabila dapat diasumsikan
bahwa permintaan pasar akan tetap setiap waktu.

Moving Average = demand in previous n periods
n
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Weighted Moving
Average
Metode Moving Average ini bisa
dikembangkan dengan
menggunakan bobot Weighted
Moving Average

Weighted Moving Average =
(Weight for period n) (demand in
period n)
weight
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Exponential Smoothing
Metode ini merupakan metode yang digunakan untuk menyempurnakan

metode Weighted Moving Average, yang lebih mudah penggunaannya.
Smoothing constant ( ) untuk aplikasi bisnis, biasannya berkisar antara
0,05 sampai 0,5.
Metode ini seringkali berhasil diaplikasikan dalam beberapa kegiatan bisnis.

Yt = Yt-1 + (At-1 - Yt-1)
Dimana:
Yt hasil peramalan
Yt-1 peramalan saat ini
Smoothing (weighting) constant (0< <1)
At-1 permintaan saat ini
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Exponential Smoothing with Trend Adjusment
Metode ini dikembangkan dengan menentukan trend yang positif

atau negatif.
Pada metode ini smoothing constan yang digunakan adalah

Tt = (1 - ) Tt-1 + (Yt Yt-1)
Dimana:
Tt = smoothed trend untuk periode t
= (1 ) = trend smoothing constant yang digunakan
Tt-1 = smoothed trend untuk periode sebelumnya
= smoothing weighted constant
Yt = peramalan sederhana untu exponential smoothed pada periode t
Yt-1 = peramalan sederhana untuk exponential smoothed pada periode
sebelumnya
Langkah-langkah yang dilakukan adalah:
1. Menghitung Yt, dengan rumus (seperti

rumus Exponential smoothing):
Yt = Yt-1 + (At-1 - Yt-1)
2. Menghitung Tt
3. Menghitung trend-adjusted exponential

smoothing forecast, dengan rumus:
YITt = Yt + Tt
No Bulan Volume Yt Tt YITt
Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Trend Projections
Metode ini menggunakan teknik untuk menentukan garis trend yang didasarkan pada titik
data historis yang kemudian diproyeksikan ke peramalan masa yang akan datang baik
jangka pendek maupun jangka menengah.
Rumus matematisnya adalah;

Y = a + bx
Dimana:
Y merupakan hasil peramalan
a merupakan intersep
b merupakan slope
x merupakan independent variabel (dalam hal ini adalah waktu)
a = y bx
xy nxy
b = -----------------
x nx
No Bulan Volume X X XY
(Periode)
Penjualan
1 Januari 0
2 Pebruari 1
3 Maret 2
4 April 3
5 Mei 4
6 Juni 5
7 Juli 6
8 Agustus 7
9 September 8
10 Oktober 9
11 November 10
12 Desember 11
Langkah selanjutnya adalah:
1. Menghitung x
x =
2. Menghitung Y
Y =
3. Menghitung b
b =
4. Menghitung a
a =
5. Menentukan Y
Y =
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Least Square
Perbedaannya adalah terletak pada
penentuan tahuun dasar, dimana metode
ini menentukan tahun dasarnya adalah
tahun yang ada di tengah.
Apabila jumlah tahunnya genap, maka

tahun dasar ditentukan di tengah-tengah
antara 2 tahun yang ada di tengah,
kemudian nilai x harus dikalikan 2.
No Bulan Volume X 2X X XY
(Period
Penjualan e)
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember Bamisha-MO2-2015Genap 36
Langkah selanjutnya adalah:
1. Menghitung x
x =
2. Menghitung Y
Y =
3. Menghitung b
b =
4. Menghitung a
a =
5. Menentukan Y
Y =
o Penjualan
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Choosing a time series
method
Forecast error
Measures of forecast error
Cumulative sum of forecasts errors (CFE)
Mean squared error (MSE)
Mean absolute deviation (MAD)
Mean absolute percent error (MAPE)
Tracking signals
Forecasts error ranges
Mean Absolute Deviation
Masing-masing metode yang digunakan di dalam time series penggunaanya
tergantung pada kebutuhan.
Untuk bisa menentukan mana metode yang terbaik, maka masing-masing metode
harus dihitung besarnya MAD (Mean Absolute Deviation) dimana metode yang
mempunyai MAD terkecil, itulah metode yang terbaik.
Adapun cara menghitung MAD adalah sebagai berikut:

Menentukan tingkat kesalahan peramalan dengan menggunakan rumus:
Forecast error = demand forecast
Menentukan |forecast errors| , yaitu nilai absolut yang tidak mengenal tanda
negatif ataupun positif
Menentukan MAD dengan menggunakan rumus:
MAD = |Forecast errors|
n
Menentukan MSE (Mean Squared Errors) dengan menggunakan rumus:
MSE = Forecast Errors
n
Criteria for selecting time series
methods
1. Meminimumkan bias
2. Meminimumkan MAD atau MSE
3. Memenuhi harapan manajer
tentang perubahan komponen
permintaan
4. Meminimumkan kesalahan
peramalan periode yang lalu
Regression Analysis
Metode ini merupakan metode

kausal, yang menjelaskan bahwa
besarnya variabel Y (penjualan)
dipengaruhi oleh variabel lain (X),
misalnya produk, harga, saluran
distribusi, promosi dan sebagainya.
Rumus
Adapun rumusnya adalah (untuk Regression Analysis
sederhana):
Y = a + bx
Adapun rumusnya adalah (untuk Regression Analysis

berganda):
Y = a + b1x1 + b2x2 + b3x3 + .. + bnxn
Dimana:
Y = variabel tergantung
a = intercept
b = slope dari garis regresi
x = variabel bebas
No Bulan Volume Biaya X XY
Penjualan Promosi
1 Januari
2 Pebruari
3 Maret
4 April
5 Mei
6 Juni
7 Juli
8 Agustus
9 September
10 Oktober
11 November
12 Desember
Langkah selanjutnya
adalah:
1. Menghitung x
x =
2. Menghitung Y
Y = 15000 : 6 = 2500
3. Menghitung b
b =
4. Menghitung a
a a
5. Menentukan Y
Y =
6. Menentukan standart of estimate dengan menggunakan rumus:
Sy,x = (y yc)
n-2
. Dimana:
Y = nilai y pada masing-masing periode
Yc = hasil perhitungan nilai Y dengan menggunakan analisis regresi
n = jumlah periode

Forecasting

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Forecasting

Diunggah oleh

Hak Cipta:

Format Tersedia

FORECASTING

Baroya Mila Shanty, SE, MM

Ilmu dan seni untuk memperkirakan

3. Supply Chain Management

1. Forecasts jarang sempurna

Metode ini merupakan metode yang paling

Metode ini menggunakan data historis untuk

Rumus matematisnya adalah:

Metode ini menggunakan data historis untuk

Rumus matematisnya adalah:

Rumus matematisnya adalah:

Metode ini merupakan metode yang digunakan untuk menyempurnakan

Rumus matematisnya adalah:

Metode ini dikembangkan dengan menentukan trend yang positif

Rumus matematisnya adalah:

1. Menghitung Yt, dengan rumus (seperti

3. Menghitung trend-adjusted exponential

Rumus matematisnya adalah;

Apabila jumlah tahunnya genap, maka

Adapun cara menghitung MAD adalah sebagai berikut:

Metode ini merupakan metode

Adapun rumusnya adalah (untuk Regression Analysis

Y = a + b1x1 + b2x2 + b3x3 + .. + bnxn

Anda mungkin juga menyukai