PENGELOLAAN DEMAND
Peramalan
Peramalan :
Estimasi nilai atau karakteristik masa depan
• Prediksi (prediction)
• Peramalan (forecast)
• Kecenderungan (trend)
Demand
Faktor yang mempengaruhi demand
• Variasi random
• Rencana konsumen
• Daur hidup produk
• Pesaing
• Perilaku/sikap konsumen
• Waktu
• Siklus bisnis
• Iklan
• Sales effort
• Reputasi
• Desain produk
• Kebijaksanaan kredit
• Kualitas
Sistem Peramalan
Karakteristik Peramalan yang Baik
Hal-hal utama yang merupakan karakteristik
peramalan yang baik:
• Biaya dan manfaat
Biaya mencakup biaya pengembangan metode,
biaya kegiatan peramalan dan biaya akibat
kesalahan peramalan
Manfaat yang dapat diperoleh yaitu mengerti
hubungan antara permintaan dan faktor lain serta
dapat mengendalikan produksi sesuai kondisi dunia
nyata
Karakteristik Peramalan Yang Baik
a, b = konstanta
k = asimptot atas
Metode Kuantitatif
Penggunaan model kuantitatif membutuhkan:
• Data kondisi masa lalu
• Data tersebut dapat dikuantifisir
• Diasumsikan pola data masa lalu akan berlanjut pada masa yang akan
datang
Jan1 90 d t
Feb 2 111 d 't 1
Mar 3 99 n
Apr 4 89
Mei 5 87
Jun 6 84
Jul 7 104
Aus 8 102 12
Sep 9 95 1191
Okt 10 114 d 't 1
99.25
Nov 11 103 12
Des 12 113
S=1191
Contoh Metode Linear trend
n n n
t dt tdt t2 d’t (dt-d’t)2
n td t d t t
1 2050 2050 1 2108,5 3.422,2
2 2235 4470 4 2210,1 620,0 b t 1 t 1 t 1
2
3 2420 7260 9 2311,7 11.728.9 n n
4 2360 9440 16 2413,3 2.840,9 n t t
2
n
a 2006,9 dan b 101,6
Metode Quadratic
Model ini menggunakan data yang secara random
berfluktuasi membentuk
kurva quadratic.
Rumus untuk model quadratic:
d ' (t ) a bt ct 2
t 1, 2, 3, ....
b
2
Metode Quadratic
2 n n n
n
2
n
t n t 4 t Y (t ) n tY (t )
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
n n
t t n t 2 3
t n t 2
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
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
d' (t) ae bt
Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
Metode Eksponensial (2)
Persamaan transformasi logaritma :
Keterangan:
d’t = Forecast untuk saat t
a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
Contoh Metode Eksponensial
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) 2.5e 0.5t d ' (6) 2.5e 3 50
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
Contoh Metode Weighted
Moving Average
Bulan t dt WMA 3 bulan
Jan 1 10 -
Feb 2 12 -
Mar 3 13 -
Apr 4 16 [(1x10)+(2x12)+(3x13)]/6=12,16
Mei 5 19 [(1x12)+(2x13)+(3x16)]/6=14,33
Jun 6 23 [(1x13)+(2x16)+(3x19)]/6= 17
Jul 7 26 [(1x16)+(2x19)+(3x23)]/6= 20,5
p x d t
WMA n t 1
p
Contoh Metode Exponential
Smoothing
Ft 1 Dt (1 ) Ft
Period Demand Forecast , Ft+1
a=0.3 a=0.5
1 37 - -
2 40 37 37 Penentuan α dilihat dari pola
3 41 37.9 38.5
permintaan:
• sangat tidak stabil/fluktuatif →
4 37 38.83 39.75
mendekati 1
5 45 38.28 38.37
• relatif stabil → mendekati 0
6 50 40.29 41.68
0<α<1
7 43 43.20 45.84
a besar, smoothing yg dilakukan
8 47 43.14 44.42
kecil
9 56 44.30 45.71
a kecil, smoothing yg dilakukan
10 52 47.81 50.85
semakin besar
11 55 49.06 51.42 a optimum akan meminimumkan
12 54 50.84 53.21
MSE, MAPE
51.79 53.61
Metode Seasonal
Demand meningkat karena pengaruh tertentu atau
berdasarkan waktu.
Nilai/harga faktor seasonal antar 0 dan 1.
Formulasi peramalan pada tahun ke i :
d’i = a + bt
Keterangan :
d’i = peramalan untuk saat ke i
t = perioda waktu (bulan, minggu, dll)
Formulasi Peramalan Seasonal :
SF(i) = (Si).(d’t)
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
Total 42 29.5 21.9 55.3 148.7
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 = 0.28 (58.7) = 16.28
SF2 = 11.63
SF3 = 8.73
SF4 = 21.53
Forecasting Errors & Tracking Signals
3 metode perhitungan kesalahan peramalan :
t t
d d '
d t
N
2
t d '
100 N d t d 't
c. Mean Absolute Percent Error (MAPE)
N t 1 d t
Tracking Signal
Tracking Signal digunakan untuk memeriksa
keandalan dari metode peramalan yg
digunakan
Batasan nilai tracking signal maksimum ± 4
Contoh Tracking Signal
Bulan t Demand Hasil Forecast
Januari 2010 1 280 -
Pebruari 2 270 -
Maret 3 330 -
April 4 250 -
Mei 5 340 (280 + 270 + 330 +250)/4 = 283
Juni 6 330 298
Juli 7 350 313
Agustus 8 300 318
September 9 330 330
Oktober 10 350 328
November 11 270 333
Desember 12 290 313
Januari 2011 13 ??? 310
Contoh Tracking Signal (2)
t D F Error= Kumula Absolu Kumulatif MAD TS=Kum
D–F tif t error absolut error/
Error error MAD
1 340 283 +57 +57 57 57 57 +1
2 330 298 +32 +89 32 89 44,5 +2
3 350 313 +37 +126 37 126 42 +3
4 300 318 -18 +108 18 144 36 +3
5 330 330 0 +108 0 144 28,8 +3,8
6 350 328 +22 +130 22 166 27,7 +4,7
7 270 333 -63 +67 63 229 32,7 +2
8 290 313 -23 +44 23 252 31,5 +1,4
Verifikasi (1)
Salah satu metode verifikasi adalah Moving Range Chart
(MRC).
Moving Range (MR) didefinisikan sebagai :
MR = |d’t – dt| – |d’t-1– dt-1|
Keterangan :
d’t = ramalan pada bulan ke t
dt = kebutuhan pada bulan ke t
d’t–1 = ramalan pada bulan ke t-1
dt–1 = kebutuhan pada bulan ke t-1
Verifikasi (2)
Rata-rata MR dihitung :
n 1
MR i
MR i 1
n 1
UCL 2,66MR
LCL 2,66MR
CL 0
Verifikasi (3)
Region C
Region A
Region B
Batas kontrol atas
Garis tengah
d' - d
Region C
Region A
Region B
Batas kontol bawah
Perioda
117
MR 10.6
11
UCL 28.2
MR = |d’t – dt| – |d’t-1– dt-1|
LCL - 28.2
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
Tahun
Kuartal Total
1 2 3 4 5
I 800 880 940 950 980 4550
II 980 950 900 980 970 4780
III 820 1010 1140 1080 1120 5170
IV 950 980 920 940 990 4780
Total 3550 3820 3900 3950 4060 19280
Ramalkan jumlah penjualan pada masing-masing kuartal
tahun ke-6 dengan menggunakan metode yang tepat
Soal 2
Diketahui permintaan selama tahun 2020
sebagai berikut:
Bulan Demand
Januari 450
Hitunglah hasil
Pebruari
Maret
440
460
peramalan pada
April 510 bulan Januari
Mei 520
Juni 495 2021 dengan
Juli
Agustus
475
560 metode yg tepat
September 510
Oktober 520
November 540
Desember 550