Anda di halaman 1dari 19

DASAR DASAR

PERAMALAN

OLEH :
ARINDA HIDAYAH
DIAN GUSTI
RAMADHAN
PENDAHULUAN
Sistem perencanaan adalah permintaan aktual dari
pelanggan atau permintaan yang diharapkan. Dalam
kebanyakan kasus, bagaimanapun, waktu yang
dibutuhkan untuk memproduksi dan memberikan produk
atau layanan waktu pengirimanya akan melebihi harapan
dari pelanggan. Ketika itu terjadi, sebagai yang biasanya
terjadi, maka produksi harus dimulai sebelum permintaan
yang sebenarnya. Produksi yang akan dimulai dari
permintaan yang diharapkan, yang umumnya merupakan
perkiraan permintaan. Bab ini membahas beberapa
prinsip-prinsip dan pendekatan untuk peramalan
perencanaan dan kendalisistem

A. PENGERTIAN PERAMALAN

Peramalan adalah teknik untuk menggunakan


pengalaman untuk harapan proyek masa depan.
Ada beberapa jenis perkiraan yang digunakan untuk
tujuan dan sistem yang berbeda. Beberapa ada yang
digunakan untuk jangka panjang seperti model agregat
digunakan untuk perencanaan jangka panjang seperti
kebutuhan kapasitas keseluruhan, mengembangkan
rencana strategis, dan membuat keputusan pembelian
strategis jangka panjang, sedangkan untuk jangka
jarak pendek permintaan produk tertentu, yang
digunakan untuk penjadwalan dan meluncurkan
produksi sebelum aktual pengakuan sebagai pesanan
pelanggan
B. PRINSIP-PRINSIP DASAR
PERAMALAN

o Prakiraan hampir selalu salah. Masalah


tersebut hampir tak pernah menbicarakan
tentang apakah ramalan ini benar atau tidak,
tetapi harus fokus pada "bagaimana
peramalan ini tidak bisa seperti yang
diharapkan " dan pada masalah "bagaimana
kita berencana untuk mengakomodasi potensi
kesalahan dalam ramalan.
o Prakiraan lebih akurat untuk kelompok dari
item. Hal ini biasanya lebih mudah digunakan
untuk mengembangkan perkiraan lini produk
daripada untuk produk individu
Lanjutan,,,,

o Perkiraan yang lebih akurat untuk periode waktu yang


lebih singkat. Umumnya, adanya sedikit gangguan yang
potensial di masa depan akan berdampak pada
permintaan produk. Permintaan untuk periode waktu
yang panjang jauh ke masa depan umumnya kurang
dapat diandalkan
o Setiap perkiraan harus mencakup perkiraan error. Prinsip
pertama ditunjukkan pentingnya untuk menjawab
pertanyaan, "Bagaimana kesalahan dalam ramalan?"
Oleh karena itu, nomor penting yang harus menyertai
ramalan adalah perkiraan kesalahan perkiraan. Menjadi
lengkap, perkiraan yang baik memiliki kedua estimasi
perkiraan dan perkiraan kesalahan
Lanjutan,,,,

o Perkiraan tidak di substitusikan untuk


perhitungan permintaan. Jika kita memiliki
data permintaan yang sebenarnya untuk
jangka waktu tertentu, Anda tidak harus
membuat perhitungan berdasarkan perkiraan
untuk jangka waktu yang sama. Selalu
menggunakan data real, bila tersedia.
C. KATEGORI UTAMA PERKIRAAN

Ada dua tipe dasar peramalan yaitu


kualitatif dan kuantitatif. Di bawah jenis
kuantitatif, ada dua subkategori yaitu time
series dan kausal. Sementara bab ini
memberikan deskripsi dasar dari banyak jenis
umum dari perkiraan di semua kategori,
fokus utama adalah membahas perkiraan
time series kuantitatif.
Lanjutan,,,,

o Peramalan kualitatif . Peramalan Kualitatif , seperti


namanya, merupakan ramalan yang dihasilkan dari
informasi yang tidak memiliki struktur analitik yang
didefinisikan dengan baik. Peramalan ini bisa menjadi
sangat berguna ketika tidak ada data masa lalu yang
tersedia, seperti untuk produk baru yang tidak
memiliki sejarah penjualan.
Metode peramalan kualitatif :
Survey Pasar

Delphi atau konsensus panel

analogi siklus hidup

Penilaian
Lanjutan,,,,

o Peramalan kausal kuantitatif


pertama dari dua jenis metode
peramalan kuantitatif yang diteliti
disebut kausallain. Metode
peramalan kausal kuantitatif :
Model ekonometrik

Model Simulasi

Regresi
Lanjutan,,,,

o Peramalan Kuantitatif seri waktu . PrakiraanTime-


series adalah yang paling umum digunakan untuk
paket peramalan terkait dengan perkiraan
permintaan produk. Mereka semua pada dasarnya
memiliki satu asumsi umum. Asumsi itu adalah
bahwa permintaan terakhir mengikuti beberapa
pola, dan bahwa jika pola yang dapat dianalisis
dapat digunakan untuk mengembangkan proyeksi
untuk permintaan di masa mendatang, dengan
asumsi pola berlanjut di sekitar dengan cara yang
sama.
Moving Period Forecast
Exponential Smoothing Forecast
Weighted Moving Average Forecast
D. KESALAHAN PERKIRAAN

Awal bab itu disebutkan bahwa setiap perkiraan


harus berisi dua hal yaitu perkiraan itu sendiri dan
perkiraan kesalahan. Sejak aturan pertama
peramalan adalah bahwa perkiraan kemungkinan
menjadi salah, Hal ini sangat penting dalam
perencanaan dan pengendalian karena itu
merupakan isu penting untuk menjalankan bisnis.
persediaan, kapasitas, atau metode lainnya
mungkin diperlukan untuk direncanakan untuk
mengakomodasi permintaan aktual yang berbeda
dari yang diperkirakan. Ada beberapa perhitungan
kesalahan penting yang digunakan.
Lanjutan,,,,

o MFE( Mean Forecast Error ) yaitu


merupakan selisih antara perkiraan dan
permintaan sebenarnya untuk periode waktu
tertentu , disebut perkiraan error. MFE
melibatkan penambahan semua individu
kesalahan perkiraan dan membaginya
dengan jumlah total kesalahan, rumusnya
adalah sebagai berikut :
Lanjutan,,,,

o MAD ( Mean Absolute Deviation ), berarti


Absolute Deviation. Rumus itu diberikan
sebagai nama istilah. Secara harfiah berarti
rata-rata deviasi absolut matematika dari
kesalahan perkiraan (penyimpangan). Ini
merupakan jumlah yang sangat penting,
karena memberitahu kesalahan perkiraan
rata-rata (selalu positif) selama periode waktu
yang bersangkutan.Rumusnya adalah :
Lanjutan,,,,

Tracking Signal. Mirip dengan konsep batas


kontrol untuk diagram kontrol proses statistik,
sinyal pelacakan memberikan batas agak
subyektif untuk metode peramalan untuk
"keluar jalur" dari beberapa tindakan yang
diambil. Hal ini dihitung dari MFE dan MAD:
Pelacakan Sinyal = (n * MFE) / MAD
Dalam beberapa kasus rumus ini ditulis
menggunakan "Running Sum of The Forecast
Error, "disingkat RSFE Rumus kemudian
menjadi:.
Pelacakan Sinyal = RSFE / MAD
E. MENGGUNAKAN BANTUAN KOMPUTER

Kecepatan, kehandalan, dan biaya yang relatif rendah dari komputer saat
ini membuat penggunaan komputer yang sangat kuat memanfaatkan paket
waktu formula seri yang sangat menarik. Beberapa paket modern datang
dengan beberapa rumus time series dibangun dengan berbagai faktor
smoothing. Setelah data permintaan masukan ke dalam paket, sistem akan
menemukan pendekatan yang terbaik berdasarkanterendah MAD (atau
beberapa pendekatan error lainnya). Hasil dari paket ini kemudian dapat
menjadi masukan langsung ke dalam perencanaan dan pengendalian
sistem lain, di mana mereka dapat menjadi sumber yang bagus untuk
memulai proses perencanaan.
Paket komputer ini memungkinkan pendekatan yang cepat dan murah
untuk proses yang harus diikuti dengan atau tanpa paket komputer. Secara
khusus, penting untuk memahami penggunaan perkiraan, pola masa lalu
permintaan (ketika mereka ada), dan kebutuhan untuk serius berusaha
untuk menemukan atau perkembangan metode peramalan yang akan
melayani tujuan peramalan yang terbaik. Setelah dikembangkan, metode
harus diuji terhadap masa lalu datadan dimodifikasi seperlunya.
TERIMAKASIH