Dr Jamaludin MHA,MARS

 Seberapa besar jlh permintaan akan barang

dan jasa
 Persediaan yg ada
 Menyelaraskan Persediaan dan Permintaan
 Apa itu Peramalan Permintaan
 Bagaimana mencocokkan Suply dan Demand
 Bagaimana Tehnik – tehnik Peramalan
 Bagaimana Akurasi Peramalan
Proses untuk memperkirakan berapa
kebutuhan dimasa datang yg meliputi
kebutuhan dlm ukuran kuantitas, kualitas,
waktu dan lokasi yg dibutuhkan dlm rangka
memenuhi permintaan barang ataupun jasa
 Permintaan
1. Permintaan bebas (Independen Demand)
Merupakan permintaan terhadap material, suku cadang atau produk yang bebas
atau tidak terkait langsung dengan struktur bill of material (BOM) untuk produk
akhir atau item tertentu.

2. Permintaan tidak bebas (Dependen Demand)

Merupakan permintaan terhadap material, suku cadang, atau produk yang terkait
langsung dengan atau diturunkan dari struktur bill of material untuk produk akhir
atau item tertentu.
 Karakteristik Peramalan Yang Baik
1.Akurasi
2.Biaya
3.Kemudahan
 B. Mencocokkan Supply dan Permintaan
Faktor yang mempengaruhi
•Kondisi umum bisnis dan ekonomi
•Reaksi dan tindakan pesaing
•Tindakan pemerintah
•Kecendrungan pasar
•Siklus hidup produk
•Gaya dan mode
•Perubahan permintaan
•Konsumen inovasi teknologi
 C. Teknik Peramalan
a. Metode kualitatif .
1. Teknik survey (riset pasar/market research).
Survey ini dilakukan untuk meramalkan variabel ekonomi yang
memang berhubungan baik langsung maupun tidak langsung dengan
permintaan konsumen atau pasar yang dituju.
2, Teknik jajak Pendapat
3, Metode Delphi
4, Analogi Historis
5, Manajemen estimate
DERET BERKALA
(TIME SERIES)

 Suatu deret berkala merupakan suatu himpunan

observasi dimana variabel yang digunakan diukur dalam
urutan periode waktu, misalnya tahunan, bulanan,
triwulanan, dan sebagainya.
 Tujuan dari metode deret berkala adalah untuk
menemukan pola data secara historis dan
mengekstrapolasikan pola tersebut untuk masa yang
akan datang.
 Peramalan didasarkan pada nilai variabel yang telah lalu
dan atau peramalan kesalahan masa lalu.
KOMPONEN
DERET BERKALA

 Komponen Tren (Trend Component)

 Merepresentasikan suatu perubahan dari waktu ke waktu
(cenderung naik atau turun).
 Tren biasanya merupakan hasil perubahan dalam
populasi/penduduk, faktor demografi, teknologi, dan atau
minat konsumen.

 Komponen Siklis (Cyclical Component)

 Merepresentasikan rangkaian titik-titik dengan pola siklis
(pergerakan secara siklis/naik-turun) di atas atau di bawah
garis tren dalam kurung waktu satu tahun.
KOMPONEN
DERET BERKALA

 Komponen Musim (Seasonal Component)

 Merepresentasikan pola berulang dengan durasi kurang
dari 1 tahun dalam suatu deret berkala.
 Pola durasi dapat berupa jam atau waktu yang lebih
pendek.

 Komponen Tak Beraturan (Irregular Component)

 Mengukur simpangan nilai deret berkala sebenarnya dari
yang diharapkan berdasarkan komponen lain.
 Hal tersebut disebabkan oleh jangka waktu yang pendek
(short-term) dan faktor yang tidak terantisipasi yang dapat
mempengaruhi deret berkala.
AKURASI PERAMALAN

Akurasi peramalan dapat diukur dari nilai berikut:

1. Mean Squared Error (MSE)

 Merupakan rata-rata jumlah kuadrat kesalahan peramalan.
1 n
MSE  
n t 1
( Yt  Y ' 2
t)

2. Mean Absolute Deviation (MAD)

 Merupakan rata-rata nilai absolut kesalahan peramalan.
1 n
MAD   Yt  Yt'
n t 1
 Yt = nilai observasi Yt’ = nilai perkiraan
METODE PENGHALUSAN DALAM
PERAMALAN
1. Rata-rata Bergerak (Moving Averages - MA)
 Menggunakan n nilai data terbaru dalam suatu deret
berkala untuk meramalkan periode yang akan
datang.
 Rata-rata perubahan atau pergerakan sebagai
observasi baru.
 Penghitungan rata-rata bergerak adalah sebagai
berikut:

MA 
 (n nilai data terbaru)
n
METODE PENGHALUSAN DALAM
PERAMALAN - L
2. Rata-rata Bergerak Tertimbang (Weighted Moving
Averages)
 Melibatkan penimbang untuk setiap nilai data dan
kemudian menghitung rata-rata penimbang sebagai
nilai peramalan.
 Contoh, rata-rata bergerak terimbang 3 periode
dihitung sebagai berikut

Ft+1 = w1(Yt-2) + w2(Yt-1) + w3(Yt)

dimana jumlah total penimbang (nilai w) = 1.

METODE PENGHALUSAN DALAM PERAMALAN - L

3. Penghalusan Eksponensial (Exponential Smoothing)

 Merupakan kasus khusus dari metode Rata-rata
Bergerak Tertimbang dimana penimbang dipilih
hanya untuk observasi terbaru.
 Penimbang yang diletakkan pada observasi terbaru
adalah nilai konstanta penghalusan, α.
 Penimbang untuk nilai data lain dihitung secara
otomatis dan semakin lama periode waktu suatu
observasi nilainya akan lebih kecil.
METODE PENGHALUSAN DALAM PERAMALAN - L

3. Penghalusan Eksponensial (Exponential Smoothing)

(Lanjutan)

Rumus:
Ft+1 = αYt + (1 - α)Ft
dimana
Ft+1 = nilai peramalan untuk periode t+1
Yt = nilai sebenarnya untuk periode t+1
Ft = nilai peramalan untuk periode t
α = konstanta penghalusan (0 < α < 1)
METODE PENGHALUSAN DALAM PERAMALAN - L

CONTOH : EXECUTIVE SEMINARS, INC.

 Executive Seminars bergerak dalam manajemen
penyelenggaraan seminar. Untuk keperluan perencanaan
pendapatan dan biaya pada masa mendatang yang lebih
baik, pihak manajemen ingin membangun model
peramalan untuk seminar “Manajemen Waktu”. Pendaftar
pada 10 seminar “MW” terakhir adalah:
Seminar 1 2 3 4 5 6 7 8 9 10
Pendaftar 34 40 35 39 41 36 33 38 43 40
METODE PENGHALUSAN DALAM PERAMALAN - L

CONTOH : EXECUTIVE SEMINARS, INC.

 Penghalusan Eksponensial (Exponential Smoothing)

Misal α = 0.2, F1 = Y1 = 34
F2 = α Y1 + (1 - α)F1
= 0.2(34) + 0.8(34) = 34
F3 = α Y2 + (1 - α)F2
= 0.2(40) + 0.8(34) = 35.20
F4 = α Y3 + (1 - α)F3
= 0.2(35) + 0.8(35.20) = 35.16
. . . dan seterusnya
METODE PENGHALUSAN DALAM PERAMALAN - L

CONTOH : EXECUTIVE SEMINARS, INC.

Seminar Pendaftar Ramalan dg Exp. Smoothing
1 34 34.00
2 40 34.00
3 35 35.20
4 39 35.16
5 41 35.93
6 36 36.94
7 33 36.76
8 38 36.00
9 43 36.40
10 40 37.72
11 Ramalan untuk seminar y.a.d = 38.18
METODE PENGHALUSAN DALAM PERAMALAN - L

CONTOH : EXECUTIVE SEMINARS, INC.

44

42
Jumlah Pendaftar

40

38

36

34

32

30
1 2 3 4 5 6 7 8 9 10
Seminar

Pendaftar Perkiraan
PROYEKSI TREN DENGAN PERSAMAAN TREN
LINIER

 Persamaan Tren Linier:

Tt = b0 + b1t

dimana
Tt = nilai tren pada periode t (sebagai variabel tak
bebas/dependent variabel)
b0 = intercept garis tren
b1 = slope/kemiringan garis tren
t = waktu (sebagai variabel bebas/independent
variable)
PROYEKSI TREN DENGAN PERSAMAAN TREN LINIER - L

 Penghitungan Slope (b1) dan Intercept (b0)

 tYt   t  Yt
b1  n   Yt  t 
(  t )2 dan b0   n
  b1
n

t 2

n
   

dimana
Yt = nilai sebenarnya pada periode t
n = banyaknya periode dalam deret berkala
PROYEKSI TREN DENGAN PERSAMAAN TREN LINIER - L

CONTOH : PENJUALAN PRODUK “X”

 Manajemen perusahaan penghasil produk “X” ingin

membuat metode peramalan yang dapat mengontrol stok
produk mereka dengan baik. Penjualan tahunan
(banyaknya produk “X” terjual) dalam 5 tahun terakhir
adalah sebagai berikut:

Tahun 1 2 3 4 5
Penjualan 11 14 20 26 34
PROYEKSI TREN DENGAN PERSAMAAN TREN LINIER - L

CONTOH : PENJUALAN PRODUK “X” (Lanjutan)

 Prosedur penghitungan untuk mencari b0 dan b1

t Yt tYt t2
1 11 11 1
2 14 28 4
3 20 60 9
4 26 104 16
5 34 170 25
Total 105 373 55
PROYEKSI TREN DENGAN PERSAMAAN TREN LINIER - L

CONTOH : PENJUALAN PRODUK “X” (Lanjutan)

 Menggunakan rumus penghitungan untuk b0 dan b1

diperoleh:
373  (15)(105 )
b1  2
5  5,8 
b0  105 5  (5,8)15 5   3,6
55  (15)
5
sehingga Tt = 3,6 + 5,8 t
 Perkiraan penjualan pada tahun ke-6 =
T6 = 3,6 + (5,8)(6) = 38,4
PROYEKSI TREN DENGAN PERSAMAAN TREN LINIER - L

CONTOH : PENJUALAN PRODUK “X” (Lanjutan)

40
35
30
25
20

15

10
5

0
1 2 3 4 5

Yt Yt'
 EXERCISE

 The average price/earnings ratio for a company for the years 1996-2000 is
given below.
year 1996 1997 1998 1999 2000
p/e ratio 16.3 16.5 17.1 19.6 13.1
Predict the 2001 earnings per share using
a. a three-year moving average forecast.
b. an exponential smoothing forecast with  = .2.

 Below you are given the size of the civilian labor force employed in
agriculture (in thousands) for the years 1995-2000. Using linear trend
projection, forecast the size of the civilian labor force employed in
agriculture for 2001.
year 1995 1996 1997 1998 1999 2000
number employed
in agriculture 3440 3443 3399 3378 3281 3305
 SEKIAN &
SEE YOU NEXT SESSION